待验证50% 置信事实精确时间
DeepStream中的Re-ID模型通常基于轻量化骨干网络（如MobileNetV3、EfficientNet），推理时以TensorRT进行INT8/FP16量化加速，嵌入向量通过余弦相似度或欧氏距离度量完成身份关联
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/19
首次发现
有效期至：2026/10/17
来源
相关事实
待验证深度ControlNet接受由MiDaS、DPT或Depth Anything等模型估算的深度图作为输入68% 相似待验证DeepStream在标准部署场景中默认采用地平面假设以换取计算效率，其插件架构允许开发者替换坐标变换模块67% 相似待验证DeepSORT在SORT基础上引入了深度学习提取的外观特征（Re-ID特征），融合外观相似度与运动信息构建成本矩阵66% 相似待验证DeepSeek系列模型（DS4）采用混合精度量化策略，MoE层使用MXFP4格式，其他大部分层使用FP8格式64% 相似待验证DeepSeek R1等开源LLM在大规模互联网数据上进行预训练，具备强大的通用能力64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/558097API
curl https://kongchang.com/api/v1/knowledge/claims/558097MCP
get_claim(id=558097)