/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
14 янв 2026

ShapeR

Языковая модель3 профессии

ShapeR восстанавливает метрические 3D-сетки объектов и сцены по последовательности изображений с помощью мультимодальных данных SLAM.

87скачиваний за 30 дней50лайковвеса обновлены8 фев 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

ShapeR — модель для метрической реконструкции 3D-форм объектов по последовательности изображений. Она использует потоковую трансформерную архитектуру, которая работает с латентными представлениями VecSet и объединяет изображения, разреженные метрические точки SLAM, позы камер и текстовые описания. Полученный код формы декодируется в сетку объекта; применение модели к каждому обнаруженному объекту позволяет собрать реконструкцию сцены.

Для запуска требуется заранее подготовить данные через конвейер Aria MPS и детектор экземпляров объектов. Доступны режимы с разным компромиссом между скоростью и качеством; результат сохраняется как 3D-сетка GLB и визуализация сравнения. Модель опубликована Meta под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • восстановление 3D-модели объекта по серии снимков
  • метрическая реконструкция объектов в сцене по данным очков Aria
  • создание 3D-сеток GLB из предварительно обработанных изображений и SLAM-точек
  • визуальная оценка качества реконструкции объектов

Ограничения

На вход требуется последовательность изображений, заранее обработанная конвейером Aria MPS и детектором объектов; модель не принимает необработанные изображения напрямую. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

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

ShapeR

teaser

ShapeR introduces a novel approach to metric shape generation. Given an input image sequence, preprocessing extracts per-object metric sparse SLAM points, images, poses, and captions using off-the-shelf methods. A rectified flow transformer operating on VecSet latents conditions on these multimodal inputs to generate a shape code, which is decoded into the object’s mesh. By applying the model object-centrically to each detected object, we obtain a metric reconstruction of the entire scene.

Project Page | Arxiv | Paper | Video | HF-Model | HF Evaluation Dataset

Usage

Clone the repository and follow the INSTALL.md instructions to install the required dependencies.

Inference

python infer_shape.py --input_pkl <sample.pkl> --config balance --output_dir output

Arguments:

  • --input_pkl: Path to preprocessed pickle file (relative to data/)
  • --config: Preset configuration
    • quality: 16 views, 50 steps (best quality, slowest)
    • balance: 16 views, 25 steps (recommended)
    • speed: 4 views, 10 steps (fastest)
  • --output_dir: Output directory for meshes and visualizations
  • --do_transform_to_world: Transform output mesh to world coordinates
  • --remove_floating_geometry: Remove disconnected mesh components (default: on)
  • --simplify_mesh: Reduce mesh complexity (default: on)
  • --save_visualization: Save comparison visualization (default: on)

Example

python infer_shape.py --input_pkl gaia_29093018117008733__20250415_125853.pkl --config balance

Output:

  • <name>.glb: Reconstructed 3D mesh
  • VIS__<name>.jpg: Visualization comparing input, prediction, and ground truth

Example visualization

Data Format

This codebase assumes that A sequence has already been processed using the Aria MPS pipeline, along with an 3D object instance detector, resulting in the pickle files with the preprocessed data required for ShapeR ingestion.

We release the ShapeR Evaluation Dataset containing preprocessed samples from Aria glasses captures. Each sample is a pickle file with point clouds, multi-view images, camera parameters, text captions, and ground truth meshes.

For a detailed walkthrough of the data format, see the explore_data.ipynb notebook which includes:

  • Complete pickle file structure with all keys and their dimensions
  • Interactive 3D visualization of point clouds and meshes
  • Camera position visualization
  • Image and mask grid displays
  • DataLoader usage examples for both SLAM and RGB variants
  • Explanation of view selection strategies

Project Structure

ShapeR/
├── infer_shape.py          # Main inference script
├── explore_data.ipynb      # Data exploration notebook
├── dataset/
│   ├── shaper_dataset.py   # Dataset and dataloader
│   ├── image_processor.py  # View selection and image preprocessing
│   └── point_cloud.py      # Point cloud to SparseTensor
├── model/
│   ├── flow_matching/
│   │   └── shaper_denoiser.py  # Flow matching denoiser
│   ├── vae3d/
│   │   └── autoencoder.py      # 3D VAE for mesh generation
│   ├── pointcloud_encoder.py   # Sparse 3D convolution encoder
│   └── dino_and_ray_feature_extractor.py  # Image feature extraction
├── preprocessing/
│   └── helper.py           # Fisheye rectification, camera utils
├── postprocessing/
│   └── helper.py           # Mesh cleanup, visualization
├── checkpoints/            # Model weights (downloaded automatically)
└── data/                   # Input pickle files

License

The ShapeR model are licensed under CC-BY-NC. See the LICENSE file for details. However portions of the project use checkpoints under separate license terms: see NOTICE. e.g. DinoV2 is licensed under Apache-2.0 license.

Citation

If you find ShapeR useful for your research, please cite our paper:

@misc{siddiqui2026shaperrobustconditional3d,
      title={ShapeR: Robust Conditional 3D Shape Generation from Casual Captures}, 
      author={Yawar Siddiqui and Duncan Frost and Samir Aroudj and Armen Avetisyan and Henry Howard-Jenkins and Daniel DeTone and Pierre Moulon and Qirui Wu and Zhengqin Li and Julian Straub and Richard Newcombe and Jakob Engel},
      year={2026},
      eprint={2601.11514},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2601.11514}, 
}

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
a7ffd10

0 моделей