caesar

CAESAR (Conditional AutoEncoder with Super-resolution for Augmented Reduction) é uma estrutura unificada para redução de dados científicos espaço-temporais, portada para C++ com LibTorch para implantação em computação de alto desempenho e fluxos de trabalho científicos. O modelo de base, CAESAR-V, é construído sobre um autoencoder variacional com hiperpriors de escala e módulos de super-resolução. Codifica os dados num espaço latente compacto e utiliza priors aprendidos para construir uma representação rica em informação, visando elevadas taxas de compressão enquanto preserva a fidelidade científica. O projeto cita um artigo sobre um modelo de fundação para compressão com perdas de dados científicos espaço-temporais e um trabalho relacionado sobre difusão latente generativa para redução de dados. São descritas duas gerações de modelos: CAESAR v1 (caesar_v.pt), o modelo de fundação original, e CAESAR v2 (model_bs64_ep100k.pt), um modelo de fundação otimizado mais recente que é o predefinido. Os checkpoints são obtidos através de um script de registo de modelos, devem ser registados no catálogo UFL e devem corresponder a um hash SHA-256 registado antes da compilação. Os ficheiros de modelo são resolvidos a partir da variável de ambiente CAESAR_MODEL_DIR, depois de um diretório exported_model relativo ao executável e, em seguida, de um caminho de sistema instalado. As instruções de compilação abrangem Linux, macOS e Windows. As dependências principais incluem LibTorch 2.8 ou mais recente, CMake 3.10, Zstandard 1.5 (obrigatório), Python 3.10 e PyYAML 6.0. A compilação utiliza CMake com o caminho de prefixo CMake do PyTorch e testes opcionais. A aceleração por GPU está disponível em hardware NVIDIA através de CUDA e nvCOMP, e em Apple Silicon através do backend Metal Performance Shaders do PyTorch, com o caminho MPS indicado como verificado apenas numa compilação nightly do torch. A execução em CPU é a predefinição. A documentação inclui notas de desenvolvimento sobre a base de código e uma página sobre instalação e identidade do modelo, abrangendo transferências offline, registo, dispositivos, caching e um contrato ADIOS. O repositório está licenciado sob Apache-2.0 e aceita perguntas, relatórios de erros e contribuições através de issues do GitHub.