Источник записи

Реестр моделей России

Указанный источник не подтверждает владение или качество.

Открыть исходные данные

Технический индекс

Недостаточно данных для расчёта

Покрытие 0% · technical-v2

Как считается индекс

Оценка пользователей

Опубликованных отзывов пока нет

Опубликованные отзывы не смешиваются с техническими наблюдениями.

Перейти к отзывам

Последнее наблюдение адреса

Наблюдений по адресу пока нет

Статус относится только к проверенному адресу, а не ко всему сервису.

Открыть историю

О сервисе

Что делает

Технический интерфейс поставщика registry.cit.gov.ru. Точное назначение стоит уточнить в первоисточнике.

Для какой задачи

Модели и API

Указанный поставщик

registry.cit.gov.ru

Как подключить

Скачивание

Отзывы пользователей

Опубликованных отзывов пока нет

Новые отзывы пока не принимаются.

История технических наблюдений

Последние проверки адреса

История проверок пока не опубликована.

Проблемы в истории наблюдений

В доступной истории проблем нет.

Российский рынок

Показываем только значения и основания, которые есть в текущей записи.

Рынок в записи источника: Россия
Оплата в рублях: Неизвестно
Персональные данные в России: Неизвестно

Адреса и технические возможности

Каждое наблюдение относится к конкретному адресу.

В записи нет адреса для технической проверки.

Способы доступа: Скачивание
Протоколы: Не указано в текущей записи
Версия: 1
Техническое имя записи: UCA-3DAL

Исходные данные

Это данные указанного источника. Они не являются подтверждением владельца или независимой оценкой качества.

Исходное описание

UCA-3DAL (Unified Contrastive Framework with Test-Time Adaptation) — это единый контрастный фреймворк для устойчивой локализации аномалий в 3D-облаках точек на наборах данных AnomalyShapeNet, Real3D-AD и IEC3D-AD. Архитектура состоит из трёх ключевых модулей: CPE (Contrastive Prototype Encoder) для извлечения контрастных прототипных признаков, CPONet (Conditional Point Offset Network), обучаемого на диверсифицированных псевдоаномалиях (DPS), и Geo-TTA для адаптации во время тестирования. Обучение проходит в два этапа — сначала тренируется CPE, затем на его основе CPONet предсказывает условные смещения точек, что позволяет точно выявлять дефекты даже при изменении распределения входных данных.

Открыть запись указанного источника

Источник записи: Реестр моделей России
Обновление источника: 22 июл. 2026 г., 07:31 UTC
Статус владения: Владелец не подтверждён
Идентификатор источника: ru_ml_registry

Исправления и будущая проверка связи

Публичную запись можно уточнить через поддержку, не скрывая историю источника и наблюдений. Проверка связи с сервисом и формальный спор пока не запущены.

Сообщить об ошибке Как будет подтверждаться связь с сервисом Связаться с поддержкой по спорной записи

Снимок получен: 9 авг. 2026 г., 19:09 UTC.