Очень интересная идея. Вот мой анализ:

## CHMv2 vs Depth Anything V3 для CVGL

|Аспект|DA3-BASE (depth)|CHMv2 (canopy height)|
|:--|:--|:--|
|**Что предсказывает**|Относительную глубину сцены (расстояние до камеры)|**Абсолютную высоту растительности** (в метрах)|
|**Backbone**|ViT (собственный)|**DINOv3 ViT-L/16 Sat** (тот же что наш Teacher!)|
|**Обучающие данные**|Наземные/уличные фото|**Спутниковые снимки + LiDAR**|
|**Домен**|General (domain gap для satellite)|**Native satellite** (нет domain gap)|
|**Выход**|Relative [0,1] per-frame|**Абсолютный** (метры)|
|**Разрешение**|Произвольное|Метровое (satellite)|
|**HuggingFace**|`depth-anything/DA3-BASE`|[`facebook/dinov3-vitl16-chmv2-dpt-head`](https://huggingface.co/facebook/dinov3-vitl16-chmv2-dpt-head)|
|**Информативность для CVGL**|Рельеф + масштаб (general)|**Высота деревьев** (специфична)|

## Мой вердикт: использовать **оба** как отдельные модальности

**Почему не заменять, а дополнять:**

1. **DA3 и CHMv2 дают ортогональную информацию:**
    
    - DA3 depth → **рельеф и структура зданий** (перепады высот крыш, дорожная сетка)
    - CHMv2 → **высота растительности** (парки vs пустыри, лес vs поле)
    - Для matching: два здания на одном рельефе различаются окружающей растительностью
2. **CHMv2 построен на DINOv3 Sat** — том самом backbone, который наш Teacher использует. Это значит:
    
    - Features CHMv2 **совместимы** с Teacher's feature space
    - L_feat дистилляция от CHMv2-features к Student будет эффективнее, чем от DA3
3. **CHMv2 работает нативно на спутниковых снимках** — нет domain gap. DA3 обучен на наземных фото → на satellite качество ниже (это наша гипотеза AH3)
    
4. **Для дроновых снимков:** DA3 лучше (дрон ≈ наземный ракурс), CHMv2 хуже (обучен на satellite nadir)
    

## Предлагаемая конфигурация: 7-канальный выход

```
Channels: RGB(3) + Depth(1) + CanopyHeight(1) + Edges(1) + SegID(1) = 7ch
```

|Канал|Модель|Для drone|Для satellite|
|:--|:--|:--|:--|
|0-2: RGB|—|Основа|Основа|
|3: **Depth**|DA3-BASE|**Хорошо** (похож на training domain)|Средне (domain gap)|
|4: **Canopy Height**|CHMv2|Средне (обучен на sat)|**Отлично** (native domain)|
|5: Edges|Sobel из depth|Хорошо|Хорошо|
|6: SegID|SegEarth-OV3|Хорошо|Хорошо|

**Ключевое преимущество:** DA3 и CHMv2 **комплементарны по доменам**: DA3 лучше для drone, CHMv2 лучше для satellite. Teacher, обучающийся на обоих, получает лучшее из двух миров.

## Что нужно для реализации

1. Добавить `canopy_height` как новую стадию в pipeline
2. Модель: `facebook/dinov3-vitl16-chmv2-dpt-head` (HuggingFace transformers)
3. Вход: RGB satellite/drone image
4. Выход: `canopy.npy` [1, H, W] float32 (метры, абсолютные)
5. Обновить `segmentation.gin` → добавить `canopy_model_id`
6. Обновить `concat` → 7ch вместо 6ch

Хотите добавить CHMv2 в пайплайн?

Sources:

- [CHMv2 paper (arXiv:2603.06382)](https://arxiv.org/abs/2603.06382)
- [CHMv2 model on HuggingFace](https://huggingface.co/facebook/dinov3-vitl16-chmv2-dpt-head)
- [DINOv3 GitHub](https://github.com/facebookresearch/dinov3)
- [Meta AI blog post](https://ai.meta.com/blog/world-resources-institute-dino-canopy-height-maps-v2/)