Catálogo de modelos

Modelos de IA para el seguimiento de cartas

cardstream necesita exactamente dos modelos: uno que encuentre la carta en el encuadre y otro que distinga una carta nueva de la que ya está mirando. Hay un tercero opcional que sigue la carta entre detecciones. Tanto la arquitectura como los pesos son Apache-2.0, así que puedes usarlos comercialmente sin una licencia aparte.

`cardstream-seg-nano` Localizador por defecto

Segmentación de instancias: el contorno de la carta

Descargar v2

Encuentra las cuatro esquinas de la carta, así que el recorte que se envía a identificar queda enderezado y ajustado al borde, en lugar de un cuadrado con cuñas de fondo. También estabiliza la compuerta de identidad: una carta que se inclina en la mano conserva su embedding.

Arquitectura: RF-DETR Seg Nano
Runtime: ONNX Runtime
Latencia (CPU): ~82 ms / fotograma
Flag: --segmentor-model
Licencia de los pesos: Apache-2.0
Licencia de la arquitectura: Apache-2.0 (Roboflow)

Versión	Publicado	Resolución	Tamaño	SHA-256	Descargar
`v2` actual	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Descargar
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Descargar

`cardstream-embed-mnv2` Compuerta por defecto

Embedding: la compuerta de identidad de misma carta

Descargar v1

Responde a la única pregunta que decide si se te cobra: ¿misma carta o carta nueva? Compara recortes por distancia coseno entre descriptores de 256 dimensiones. Es lo que hace posible una llamada a la API por carta.

Arquitectura: MobileNetV2
Runtime: ONNX Runtime · PyTorch · LiteRT
Latencia (CPU): ~5 ms / recorte
Flag: --embed-model
Licencia de los pesos: Apache-2.0
Licencia de la arquitectura: Apache-2.0 (Google)

Versión	Publicado	Resolución	Tamaño	SHA-256	Descargar
`v1` actual	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Descargar

`vittrack` Tracker opcional

Seguimiento visual: mantiene la caja entre detecciones

Descargar 2023sep

El vitTracker publicado por OpenCV, servido directamente desde el zoo de OpenCV. Una actualización del tracker cuesta ~2,7 ms frente a los ~80 ms de una detección, así que con --tracker-model la detección pasa a ser un nivel lento de resincronización y el tiempo real en CPU se vuelve fácil. Solo detecta presencia: la compuerta de identidad sigue decidiendo si es la misma carta o una nueva.

Arquitectura: TrackerVit
Runtime: OpenCV
Latencia (CPU): ~2.7 ms / fotograma
Flag: --tracker-model
Licencia de los pesos: Apache-2.0
Licencia de la arquitectura: Apache-2.0 (OpenCV)

Versión	Publicado	Resolución	Tamaño	SHA-256	Descargar
`2023sep` actual	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Descargar

Código abierto. Autoalojado. Tu directo, tu stack.

Sin plataforma intermediaria ni licencias por puesto: conecta la API de Ximilar o tu propio sistema de identificación y cardstream lo llama una vez por cada carta distinta, no una vez por fotograma. Da igual si haces breaks en Whatnot, llevas un show al estilo de Fanatics Live o transmites tu propio live commerce: pon cardstream en marcha esta misma noche con el hardware que ya tienes.

Dale una estrella en GitHub Consigue una clave de API de Ximilar