/ Модель

Характеристики

Лицензия
CC BY-NC-ND 4.0
Библиотека
torch
Опубликована
24 мая 2026

object-model-6layer

Языковая модель

Модель World Tracing r75b восстанавливает шесть слоёв 3D-геометрии отдельного объекта по изображению RGBA с альфа-маской.

0скачиваний за 30 дней16лайковвеса обновлены23 сен 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

World Tracing Object Model r75b — модель haoz19 для восстановления многослойной 3D-геометрии отдельного объекта по RGBA-изображению. Она создана для проекта World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible; архитектура сочетает энкодер DINOv2 ViT-L и диффузионную голову на шесть слоёв, всего около 1,7 млрд параметров.

На вход подаётся изображение объекта с альфа-маской размером 504 × 504 пикселя. Модель выдаёт шесть карт глубины с координатами XYZ в системе камеры: видимую поверхность и пять скрытых слоёв за ней. Это позволяет получать многослойное представление геометрии объекта для дальнейшей реконструкции или анализа. Обучение проводилось на рендерах Objaverse и отобранных открытых корпусах 3D-ассетов.

В репозитории опубликованы EMA-веса в формате PyTorch. Доступ к скачиванию проходит ручное одобрение. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов на условиях лицензии.

Сценарии применения

  • восстановление 3D-геометрии объекта по изображению
  • получение карт глубины для видимых и скрытых поверхностей
  • создание многослойного представления объекта для 3D-реконструкции
  • анализ формы отдельного объекта по RGBA-изображению

Ограничения

Модель рассчитана на одиночный объект в RGBA-изображении размером 504 × 504 пикселя с альфа-маской; поведение на сценах и изображениях другого типа в карточке не описано. Загрузка весов требует ручного одобрения, а лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

World Tracing — Object Model (6-layer, r75b)

🆕 Update (2026-09-23): model.pt has been updated to a new, stronger checkpoint. Please git pull the inference code together with the new weights. The previous weights remain available in this repo's commit history.

Access

The checkpoints in this repo are released under the CC BY-NC-ND 4.0 license, but downloads are gated so we can keep a light audit trail of how the model is used. To download:

  1. Scroll up and fill in the "Submit access request" form (basic contact info + a short note on intended use).
  2. We review every request manually, usually within 1-3 business days. You will receive an email from Hugging Face once your request is approved.
  3. After approval, log in with huggingface-cli login (or set HF_TOKEN) and run any of the inference examples from the GitHub repo — the wt package picks the token up automatically and --ckpt r75b / r69e / r76 triggers a normal hf_hub_download.

Note: this is a manual review flow, not an auto-approve click-through. We read every request individually, so please give a one-line description of what you plan to use the weights for.

EMA-only release weights for the r75b object model from World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible.

  • Repo: https://github.com/haoz19/world-tracing
  • Project page: https://haoz19.github.io/world-tracing-page/
  • Config name: r75b
  • Architecture: MultilayerXYZModel (DINOv2-vit-L encoder + 6-layer diffusion head), 1.7 B params
  • Input: 504 × 504 RGBA, alpha-matted single object
  • Output: per-layer XYZ in camera space, 6 stacked depth maps (visible surface + 5 occluded layers behind it)
  • Training data: Objaverse renders + curated public 3D-asset corpora

Files

FileSizeFormat
model.pt6.21 GBbare state_dict, float32

This release contains the EMA weights only (no optimizer / config / gradients) so the download is ~26 % of the original training checkpoint.

Usage

git clone https://github.com/haoz19/world-tracing
cd world-tracing
pip install -e ".[viz,bg]"

python examples/infer_rgba.py \
    --image  examples/test_images/object/obj014_leather_briefcase.png \
    --ckpt   r75b \
    --config r75b \
    --out    /tmp/wt_obj.rrd

Bare --ckpt r75b triggers huggingface_hub.hf_hub_download against this repo and caches the weights under ~/.cache/huggingface/hub/. First run downloads 6.21 GB; subsequent runs are instant.

Citation

@misc{zhang2026worldtracinggenerativepixelaligned,
  title         = {World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible},
  author        = {Hao Zhang and Mohamed El Banani and Jen-Hao Cheng and Paul Zhang
                   and Yi Hua and Ben Mildenhall and Christoph Lassner
                   and Narendra Ahuja and Gengshan Yang},
  year          = {2026},
  eprint        = {2606.13652},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CV},
  url           = {https://arxiv.org/abs/2606.13652}
}

License

CC BY-NC-ND 4.0 (Attribution-NonCommercial-NoDerivatives) — see the GitHub repo. Non-commercial research use only.

Как запустить

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

GPU в ailist

Универсальный рантайм · torch

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
e9da924

0 моделей