/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
23 мар 2026

GLD

Языковая модель

GLD использует геометрические признаки для генерации согласованных новых ракурсов и реконструкции 3D по изображению.

0скачиваний за 30 дней7лайковвеса обновлены25 мар 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

GLD (Geometric Latent Diffusion) — разработанный SeonghuJeon фреймворк для генерации согласованных ракурсов и восстановления 3D по изображению. Он использует геометрически согласованное пространство признаков геометрических фундаментальных моделей, таких как Depth Anything 3 и VGGT, в качестве латентного пространства для диффузии по нескольким ракурсам.

Модель предназначена для синтеза новых ракурсов и реконструкции 3D-сцен. В README указаны чекпойнты для DA3 Level-1, каскадной диффузии DA3 и VGGT Level-1; автор заявляет о более быстрой сходимости обучения по сравнению с использованием VAE-латентов, не зависящих от ракурса. Репозиторий содержит веса в формате safetensors по метаданным и чекпойнты .pt по README. Лицензия — Apache-2.0. Информация о размере параметров, длине контекста и языковой поддержке не приводится, поскольку модель работает с изображениями и 3D-представлениями.

Сценарии применения

  • синтез новых ракурсов объекта по изображению
  • реконструкция 3D по одному или нескольким изображениям
  • создание согласованных многовидовых изображений для 3D-сцен
  • эксперименты с диффузионными моделями для 3D-реконструкции

Ограничения

README описывает фреймворк и перечисляет несколько чекпойнтов, но не приводит количественных оценок качества или подробных требований к входным данным и выводу. Для запуска нужны окружение проекта и загруженные чекпойнты.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GLD: Geometric Latent Diffusion

Repurposing Geometric Foundation Models for Multi-view Diffusion

[Paper] | [arXiv] | [Project Page] | [Code]

Geometric Latent Diffusion (GLD) is a framework that repurposes the geometrically consistent feature space of geometric foundation models (such as Depth Anything 3 and VGGT) as the latent space for multi-view diffusion. By operating in this space rather than a view-independent VAE latent space, GLD achieves consistent novel view synthesis (NVS) and 3D reconstruction with significantly faster training convergence.

Quick Start

git clone https://github.com/cvlab-kaist/GLD.git
cd GLD
conda env create -f environment.yml
conda activate gld

# Download all checkpoints
python -c "from huggingface_hub import snapshot_download; snapshot_download('SeonghuJeon/GLD', local_dir='.')"

# Run demo
./run_demo.sh da3

Files

FileDescriptionSize
checkpoints/da3_level1.ptDA3 Level-1 diffusion3.0G
checkpoints/da3_cascade.ptDA3 Cascade (L1→L0)1.8G
checkpoints/vggt_level1.ptVGGT Level-1 diffusion3.1G
checkpoints/vggt_cascade.ptVGGT Cascade (L1→L0)3.1G
pretrained_models/da3/model.safetensorsDA3-Base encoder0.5G
pretrained_models/da3/dpt_decoder.ptDPT decoder (depth + geometry)0.4G
pretrained_models/mae_decoder.ptDA3 MAE decoder (RGB)1.6G
pretrained_models/vggt/mae_decoder.ptVGGT MAE decoder (RGB)1.6G

Citation

@article{jang2026gld,
  title={Repurposing Geometric Foundation Models for Multi-view Diffusion},
  author={Jang, Wooseok and Jeon, Seonghu and Han, Jisang and Choi, Jinhyeok and Kwon, Minkyung and Kim, Seungryong and Xie, Saining and Liu, Sainan},
  journal={arXiv preprint arXiv:2603.22275},
  year={2026}
}

Acknowledgements

Built upon RAE, Depth Anything 3, VGGT, CUT3R, and SiT.

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
ddf12a2

0 моделей