/ Модель

Характеристики

Лицензия
GPL 3.0
Опубликована
5 июл 2026

CLiFT

Языковая модель

CLiFT сжимает представление сцен в токены светового поля и адаптивно рендерит новые виды по входным изображениям.

0скачиваний за 30 дней0лайковвеса обновлены6 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CLiFT — модель нейронного рендеринга сцен, представленная как сжатые токены светового поля. Она кодирует входные виды сцены, группирует токены методом K-means и объединяет каждую группу нейронным конденсером. Модель поддерживает адаптивный компромисс между вычислительными затратами и качеством: меньше токенов требуют меньше хранения и вычислений, больше токенов дают более качественный рендеринг.

Репозиторий содержит контрольные точки для RealEstate10K и DL3DV-10K. Основные результаты статьи используют модели второго этапа; чекпойнты первого этапа также применяются в базовых вариантах и для обучения конденсера. Для оценки нужны чекпойнты, а обучение требует подготовленных данных и назначений кластеров K-means. CLiFT предназначена для синтеза новых видов сцены по изображениям и связана с работой NeurIPS 2025 Spotlight. Доступна по лицензии GPL-3.0.

Сценарии применения

  • синтез новых ракурсов сцены по нескольким изображениям
  • нейронный рендеринг сцен из RealEstate10K
  • нейронный рендеринг сцен из DL3DV-10K
  • настройка компромисса между качеством рендеринга и вычислительными затратами

Ограничения

Для оценки требуются подготовленные данные и соответствующие чекпойнты; обучение конденсера дополнительно требует назначений K-means. Описание не приводит сведений о поддержке произвольных наборов сцен за пределами RealEstate10K и DL3DV-10K.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CLiFT: Compressive Light-Field Tokens for Compute-Efficient and Adaptive Neural Rendering

Pretrained checkpoints for CLiFT (NeurIPS 2025 spotlight; arXiv, project page, code).

CLiFT represents a scene as compressed light-field tokens (CLiFTs): an encoder tokenizes the input views, latent K-means selects centroid tokens, and a neural condenser aggregates each cluster into its centroid. A single trained model supports compute-adaptive rendering — fewer tokens for lower storage/compute, more tokens for higher quality.

Checkpoints

FileDescriptionPlace at (in the code repo)
re10k/first_stage.ckptRealEstate10K encoder-decoder (LVSM-style, random token-drop)output/re10k_first_stage/training/last.ckpt
re10k/second_stage.ckptRealEstate10K condenser (full CLiFT model)output/re10k_second_stage/training/last.ckpt
dl3dv/first_stage.ckptDL3DV encoder-decoder, fine-tuned from the RE10K modeloutput/dl3dv_first_stage/training/last.ckpt
dl3dv/second_stage.ckptDL3DV condenser (full CLiFT model)output/dl3dv_second_stage/training/last.ckpt

The second-stage checkpoints are the full CLiFT models used for the paper's main results. The first-stage checkpoints are used by the random / K-means selection baselines, for K-means annotation, and as the initialization for condenser training.

Precomputed K-means assignments (for condenser training)

FileDescription
re10k/kmeans_faiss_no_features_merged.zipPer-scene K-means assignments for RealEstate10K second-stage training (extract to re10k_data/kmeans_faiss_no_features_merged/)
dl3dv/dl3dv_kmeans_faiss_merged.tar.zstPer-scene K-means assignments for DL3DV second-stage training (tar --zstd -xf ... -C Dataset/)

Only needed for training the condenser; evaluation just needs the checkpoints.

Usage

git clone https://github.com/eric-zqwang/CLiFT.git
cd CLiFT
# download the checkpoints to the paths above, prepare data (see docs/), then e.g.
bash script/eval/eval_clift.sh       # RE10K
bash script/eval/eval_dl3dv.sh 6     # DL3DV, 6 context views

See the test guide for evaluation and the training guide for the two-stage training pipeline.

Citation

@inproceedings{Wang2025CLiFT,
  author    = {Wang, Zhengqing and Wu, Yuefan and Chen, Jiacheng and Zhang, Fuyang and Furukawa, Yasutaka},
  title     = {CLiFT: Compressive Light-Field Tokens for Compute Efficient and Adaptive Neural Rendering},
  booktitle = {Advances in Neural Information Processing Systems (NeurIPS)},
  year      = {2025},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
be8a854

0 моделей