/ Модель

Характеристики

Лицензия
apple-amlr
Библиотека
ml-sharp
Опубликована
12 дек 2025

Sharp

Языковая модель3 профессии

SHARP по одной фотографии строит 3D-представление сцены для быстрого фотореалистичного рендеринга близких ракурсов.

2 444скачиваний за 30 дней410лайковвеса обновлены18 дек 2025

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

SHARP — модель Apple для фотореалистичного синтеза новых ракурсов сцены по одной фотографии. Она за один прямой проход нейросети, менее чем за секунду на стандартном GPU, предсказывает параметры метрического представления сцены в виде 3D Gaussian Splatting. Полученное представление можно рендерить в реальном времени, получая изображения высокого разрешения с близких точек обзора и выполняя перемещения камеры с сохранением абсолютного масштаба.

Модель рассчитана на создание новых видов сцены по одиночному изображению и обобщает на данные из разных наборов без дополнительной адаптации. Авторы сообщают об улучшении метрик перцептивного качества относительно предыдущих методов. Предсказание гауссиан работает на CPU, CUDA и MPS; рендеринг видео с траекторией камеры требует CUDA GPU. Репозиторий распространяется по лицензии Apple AMLR.

Сценарии применения

  • создание новых ракурсов по одной фотографии
  • интерактивное перемещение виртуальной камеры вокруг сцены
  • рендеринг короткого видео с траекторией камеры
  • построение метрического 3D-представления сцены из изображения

Ограничения

Для рендеринга видео с траекторией камеры требуется CUDA GPU; предсказание представления сцены также поддерживает CPU и MPS. Синтез ограничен близкими ракурсами исходной фотографии.

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

Sharp Monocular View Synthesis in Less Than a Second

Project Page arXiv

This software project accompanies the research paper: Sharp Monocular View Synthesis in Less Than a Second by Lars Mescheder, Wei Dong, Shiwei Li, Xuyang Bai, Marcel Santos, Peiyun Hu, Bruno Lecouat, Mingmin Zhen, Amaël Delaunoy, Tian Fang, Yanghai Tsin, Stephan Richter and Vladlen Koltun.

We present SHARP, an approach to photorealistic view synthesis from a single image. Given a single photograph, SHARP regresses the parameters of a 3D Gaussian representation of the depicted scene. This is done in less than a second on a standard GPU via a single feedforward pass through a neural network. The 3D Gaussian representation produced by SHARP can then be rendered in real time, yielding high-resolution photorealistic images for nearby views. The representation is metric, with absolute scale, supporting metric camera movements. Experimental results demonstrate that SHARP delivers robust zero-shot generalization across datasets. It sets a new state of the art on multiple datasets, reducing LPIPS by 25–34% and DISTS by 21–43% versus the best prior model, while lowering the synthesis time by three orders of magnitude.

Getting started

Please, follow the steps in the code repository to set up your environment. Then you can download the checkpoint from the Files and versions tab above, or use the huggingface-hub CLI:

pip install huggingface-hub
huggingface-cli download --include sharp_2572gikvuh.pt --local-dir . apple/Sharp

To run prediction:

sharp predict -i /path/to/input/images -o /path/to/output/gaussians -c sharp_2572gikvuh.pt

The results will be 3D gaussian splats (3DGS) in the output folder. The 3DGS .ply files are compatible to various public 3DGS renderers. We follow the OpenCV coordinate convention (x right, y down, z forward). The 3DGS scene center is roughly at (0, 0, +z). When dealing with 3rdparty renderers, please scale and rotate to re-center the scene accordingly.

Rendering trajectories (CUDA GPU only)

Additionally you can render videos with a camera trajectory. While the gaussians prediction works for all CPU, CUDA, and MPS, rendering videos via the --render option currently requires a CUDA GPU. The gsplat renderer takes a while to initialize at the first launch.

sharp predict -i /path/to/input/images -o /path/to/output/gaussians --render -c sharp_2572gikvuh.pt

# Or from the intermediate gaussians:
sharp render -i /path/to/output/gaussians -o /path/to/output/renderings  -c sharp_2572gikvuh.pt

Evaluation

Please refer to the paper for both quantitative and qualitative evaluations. Additionally, please check out this qualitative examples page containing several video comparisons against related work.

Citation

If you find our work useful, please cite the following paper:

@inproceedings{Sharp2025:arxiv,
  title      = {Sharp Monocular View Synthesis in Less Than a Second},
  author     = {Lars Mescheder and Wei Dong and Shiwei Li and Xuyang Bai and Marcel Santos and Peiyun Hu and Bruno Lecouat and Mingmin Zhen and Ama\"{e}l Delaunoy and Tian Fang and Yanghai Tsin and Stephan R. Richter and Vladlen Koltun},
  journal    = {arXiv preprint arXiv:2512.10685},
  year       = {2025},
  url        = {https://arxiv.org/abs/2512.10685},
}

Acknowledgements

Our codebase is built using multiple opensource contributions, please see ACKNOWLEDGEMENTS for more details.

Как запустить

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

GPU в ailist

Универсальный рантайм · ml-sharp

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
50753d9

0 моделей