/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
22 авг 2024

sv3d-diffusers

Видео из изображенияИзображение, текст → видео3 профессии

Преобразованная для Diffusers модель SV3D-p создаёт 21-кадровое орбитальное видео 3D-объекта по одному подготовленному изображению.

46скачиваний за 30 дней5лайковвеса обновлены16 окт 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

chenguolin/sv3d-diffusers — преобразованная в формат Diffusers версия чекпойнта SV3D-p от Stability AI. Репозиторий добавляет совместимые с Diffusers пространственно-временную UNet и StableVideo3DDiffusionPipeline, а также скрипты конвертации и инференса.

Модель предназначена для создания орбитального видео вокруг 3D-объекта по одному изображению: на вход подают подготовленное изображение объекта с удалённым фоном и центрированным объектом, а на выходе получают 21-кадровую анимацию, например GIF. Для инференса используются PyTorch и библиотека Diffusers; доступен режим половинной точности.

Чекпойнт создан на основе SV3D-p и связан с набором данных Objaverse. В метаданных указана лицензия «other», поэтому точные условия использования следует сверить с лицензией исходной модели и файлами репозитория. Результат зависит от предобработки изображения и случайного seed; входное изображение рекомендуется подготовить заранее.

Сценарии применения

  • создание орбитальной GIF-анимации объекта по фотографии
  • генерация ракурсов 3D-объекта для демонстрации товара
  • создание вращающегося изображения скульптуры по одному виду
  • подготовка короткого видео объекта для визуального контента

Ограничения

Для наилучшего результата входное изображение нужно предварительно очистить от фона и центрировать объект. Результаты зависят от предобработки и случайного seed.

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

SV3D-diffusers

This repo (https://github.com/chenguolin/sv3d-diffusers) provides scripts about:

  1. Spatio-temporal UNet (SV3DUNetSpatioTemporalConditionModel) and pipeline (StableVideo3DDiffusionPipeline) modified from SVD for SV3D in the diffusers convention.

  2. Converting the Stability-AI's SV3D-p UNet checkpoint to the diffusers convention.

  3. Infering the SV3D-p model with the diffusers library to synthesize a 21-frame orbital video around a 3D object from a single-view image (preprocessed by removing background and centering first).

Converted SV3D-p checkpoints have been uploaded to HuggingFace🤗 chenguolin/sv3d-diffusers.

🚀 Usage

git clone https://github.com/chenguolin/sv3d-diffusers.git
# Please install PyTorch first according to your CUDA version
pip3 install -r requirements.txt
# If you can't access to HuggingFace🤗, try:
# export HF_ENDPOINT=https://hf-mirror.com
python3 infer.py --output_dir out/ --image_path assets/images/sculpture.png --elevation 10 --half_precision --seed -1

The synthesized video will save at out/ as a .gif file.

📸 Results

Image preprocessing and random seed for different implementations are different, so the results are presented only for reference.

Implementationsculpturebagkunkun
SV3D-diffusers (Ours)
Official SV3D

📚 Citation

If you find this repo helpful, please consider giving this repository a star 🌟 and citing the original SV3D paper.

@inproceedings{voleti2024sv3d,
   author={Voleti, Vikram and Yao, Chun-Han and Boss, Mark and Letts, Adam and Pankratz, David and Tochilkin,  Dmitrii and Laforte, Christian and Rombach, Robin and Jampani, Varun},
   title={{SV3D}: Novel Multi-view Synthesis and {3D} Generation from a Single Image using Latent Video Diffusion},
   booktitle={European Conference on Computer Vision (ECCV)},
   year={2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
cf4c88a

0 моделей