PROGRESS

Dernière mise à jour : 2026-08-20

État courant

Le harness est complet et le pipeline tourne de bout en bout. Deux changements structurants depuis la première session :

La pièce est isolée de la scène. Sans cela, les métriques auraient mesuré la table.
L'inférence part sur GPU loué. La contrainte des 8 Go a disparu ; le poste local orchestre, filme, fusionne, mesure et affiche.

Il manque une acquisition réelle et un premier run sur pod.

F01 → F14 — voir docs/features.md pour l'état détaillé et les preuves. 59 tests, tous exécutables sans GPU ni réseau.
DA3-LARGE mesuré en local : 28 vues, 6549 Mo, 340 s.
MapAnything mesuré en local : 8 vues, 7923 Mo, 67 s. Coût quasi fixe (~7,4 Go).
Isolation ancrée sur le damier : il donne l'échelle et le plan de pose.
Exécution distante : sélection de GPU d'après la disponibilité réelle, transport ssh/scp, volume réseau, chiffrage du coût par étape.
COLMAP câblé comme baseline de référence.

Rien. Le harness attend un pod et une vraie pièce.

Rien.

Louer un pod : renderpoc gpu --backends all --datacenter <region du volume>, créer le volume et le pod, renderpoc remote configure, remote check, remote provision. C'est le premier essai réel du transport — voir docs/remote-execution.md.
Filmer une vraie pièce selon docs/acquisition-protocol.md. Matifier si elle brille, verrouiller l'objectif 1×, damier rigide mesuré au pied à coulisse.
renderpoc run piece.mp4 --backends all --remote --square-size-mm <mesure>
Lire scale.residual_mm en premier. Si le damier n'est pas juste, rien d'autre ne veut dire grand-chose.

Un backend déclare un besoin, pas une machine. L'ancien champ local/cloud avait un sens face à 8 Go ; dès lors qu'une carte de 48 Go se loue 0,44 $ de l'heure, rien n'est intrinsèquement « cloud ». Seule compte l'adéquation besoin/carte du moment.
Le GPU se choisit au lancement, pas dans le registre. Le stock varie d'heure en heure et le volume réseau enferme dans un datacenter : figer un modèle de carte serait faux dès le lendemain.
Marge de 2 Go sur la VRAM. Une carte « 24 Go » offre 24 576 Mo dont le contexte CUDA prend sa part. Sans marge, la sélection proposerait une carte qui tombe en OOM après plusieurs minutes de chargement.
Le damier fait double emploi. Échelle métrique et plan de pose pour la découpe. Une seule chose à installer correctement, deux problèmes résolus.

Le transport distant n'a jamais tourné contre un vrai pod. Sa logique est testée, son exécution non.
Réduire max_views ne sauve pas toujours. Vrai pour DA3, faux pour MapAnything dont le coût est quasi fixe. Vérifier le profil du backend avant de croire à ce levier.
Le débordement VRAM est silencieux sous Windows. Un status: ok ne prouve pas qu'une configuration tient : MapAnything à 28 vues a « réussi » en 1504 s au lieu de 65. D'où le contrôle vram_overflow.
Points d'intégration non vérifiés : les workers reconviagen, mix3r et colmap appellent des outils amont jamais exécutés ici. La ligne concernée est balisée dans chaque run.py et lève une erreur explicite.
detect_corners (damier) n'a pas encore tourné sur de vraies images.
Licences : DA3 et facebook/map-anything sont CC-BY-NC-4.0. facebook/map-anything-apache est le défaut du registre. Mix3R exige un compte ModelScope.