Catálogo de modelos

Modelos de IA para rastreamento de cartas

O cardstream precisa de exatamente dois modelos: um que encontre a carta no quadro e outro que distinga uma carta nova daquela que ele já está olhando. Há um terceiro, opcional, que acompanha a carta entre detecções. Arquitetura e pesos são Apache-2.0, então você pode usá-los comercialmente sem licença à parte.

`cardstream-seg-nano` Localizador padrão

Segmentação de instâncias: o contorno da carta

Baixar v2

Encontra os quatro cantos da carta, então o recorte enviado para identificação sai alinhado e cortado rente à borda, em vez de um quadrado com pedaços de fundo. Também estabiliza o filtro de identidade: uma carta inclinando na mão mantém o seu embedding.

Arquitetura: RF-DETR Seg Nano
Runtime: ONNX Runtime
Latência (CPU): ~82 ms / quadro
Flag: --segmentor-model
Licença dos pesos: Apache-2.0
Licença da arquitetura: Apache-2.0 (Roboflow)

Versão	Lançado em	Resolução	Tamanho	SHA-256	Baixar
`v2` atual	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Baixar
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Baixar

`cardstream-embed-mnv2` Filtro padrão

Embedding: o filtro de identidade de mesma carta

Baixar v1

Responde à única pergunta que decide se você paga: mesma carta ou carta nova? Compara recortes pela distância de cosseno entre descritores de 256 dimensões. É isso que torna possível uma chamada à API por carta.

Arquitetura: MobileNetV2
Runtime: ONNX Runtime · PyTorch · LiteRT
Latência (CPU): ~5 ms / recorte
Flag: --embed-model
Licença dos pesos: Apache-2.0
Licença da arquitetura: Apache-2.0 (Google)

Versão	Lançado em	Resolução	Tamanho	SHA-256	Baixar
`v1` atual	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Baixar

`vittrack` Tracker opcional

Rastreamento visual: mantém a caixa entre detecções

Baixar 2023sep

O vitTracker publicado pela OpenCV, servido direto do zoo da OpenCV. Uma atualização do tracker custa ~2,7 ms, contra ~80 ms de uma detecção, então com --tracker-model a detecção vira um nível lento de ressincronização e o tempo real em CPU fica fácil. Só cuida da presença: o filtro de identidade continua decidindo se é a mesma carta ou uma nova.

Arquitetura: TrackerVit
Runtime: OpenCV
Latência (CPU): ~2.7 ms / quadro
Flag: --tracker-model
Licença dos pesos: Apache-2.0
Licença da arquitetura: Apache-2.0 (OpenCV)

Versão	Lançado em	Resolução	Tamanho	SHA-256	Baixar
`2023sep` atual	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Baixar

Código aberto. Hospedado por você. Sua live, seu stack.

Sem plataforma no meio do caminho, sem licença por assento: conecte a API da Ximilar ou seu próprio sistema de identificação e o cardstream chama uma vez por carta distinta, não uma vez por quadro. Não importa se você faz breaks na Whatnot, comanda um show no estilo Fanatics Live ou transmite seu próprio live commerce: coloque o cardstream para rodar hoje à noite no hardware que você já tem.

Dê uma estrela no GitHub Obtenha uma chave da API da Ximilar