/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
diffusers
Опубликована
6 дек 2024

NVComposer

Языковая модель3 профессии

NVComposer синтезирует новые ракурсы сцены по нескольким изображениям без предварительного внешнего выравнивания.

1 133скачиваний за 30 дней9лайковвеса обновлены16 дек 2024

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

NVComposer — модель TencentARC для синтеза новых ракурсов по нескольким входным изображениям. Она использует диффузионную архитектуру с двумя потоками: один генерирует целевые виды, другой одновременно оценивает позы камер для входных изображений. Модуль выравнивания признаков с учётом геометрии переносит геометрические априоры из плотных стереомоделей во время обучения.

Модель предназначена для генеративного синтеза многовидовых изображений, в том числе когда входные изображения не выровнены заранее. По описанию авторов, качество синтеза улучшается при увеличении числа входных видов, а явная внешняя оценка поз или предварительная реконструкция не требуются. Карточка также помечает задачу image-to-3d. Репозиторий содержит чекпойнт PyTorch; для загрузки указан файл NVComposer-V0.1.ckpt. Лицензия обозначена как other, поэтому условия использования следует уточнить у автора.

Сценарии применения

  • синтез новых ракурсов по нескольким фотографиям
  • создание многовидовых изображений сцены
  • генерация видов при неизвестных позах камер
  • подготовка изображений для задач реконструкции сцены

Ограничения

Описание не приводит численных характеристик качества, ограничений по числу или разрешению входных изображений. Лицензия указана как other, поэтому условия коммерческого использования неясны без дополнительной проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NVComposer

Abstract

Recent advancements in generative models have significantly improved novel view synthesis (NVS) from multi-view data. However, existing methods depend on external multi-view alignment processes, such as explicit pose estimation or pre-reconstruction, which limits their flexibility and accessibility, especially when alignment is unstable due to insufficient overlap or occlusions between views. In this paper, we propose NVComposer, a novel approach that eliminates the need for explicit external alignment. NVComposer enables the generative model to implicitly infer spatial and geometric relationships between multiple conditional views by introducing two key components: 1) an image-pose dual-stream diffusion model that simultaneously generates target novel views and condition camera poses, and 2) a geometry-aware feature alignment module that distills geometric priors from dense stereo models during training. Extensive experiments demonstrate that NVComposer achieves state-of-the-art performance in generative multi-view NVS tasks, removing the reliance on external alignment and thus improving model accessibility. Our approach shows substantial improvements in synthesis quality as the number of unposed input views increases, highlighting its potential for more flexible and accessible generative NVS systems.

Code

Please check our GitHub repository for code.

Model

Download the model checkpoint using huggingface_hub (Version 0.1 as example):

from huggingface_hub import hf_hub_download

checkpoint_path = hf_hub_download(
    repo_id="TencentARC/NVComposer",
    filename="NVComposer-V0.1.ckpt"
)

The downloaded checkpoint file can be found at checkpoint_path.

Video

Watch the introduction video in our project page.

Demo

You can try the demo here.

Method

NVComposer contains 1) an image-pose dual-stream diffusion model that generates novel views while implicitly estimating camera poses for conditional images, and 2) a geometry-aware feature alignment adapter that uses geometric priors distilled from pretrained dense stereo models.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
0edd25e

0 моделей