/ Модель

Характеристики

Лицензия
MIT
Опубликована
22 окт 2024

LucidFusion

Языковая модель

LucidFusion восстанавливает детализированные 3D Gaussian-представления объекта по произвольному набору разреженных изображений без поз камер.

8скачиваний за 30 дней14лайковвеса обновлены7 ноя 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

LucidFusion — исследовательская система Hao He, Yixun Liang и соавторов для восстановления трёхмерных объектов в виде 3D Gaussian Splatting по нескольким изображениям с разных ракурсов. Модель принимает произвольное число разреженных изображений без заданных поз камеры и использует Relative Coordinate Map для согласования геометрических признаков между ракурсами.

Система объединяет этот подход с конвейером генерации 3D по одному изображению и создаёт детализированные 3D Gaussian-представления с разрешением 512 × 512. Авторы сообщают о скорости около 13 кадров в секунду на A800. Для настройки используется предварительно обученная Stable Diffusion 2.1 Base. Веса доступны в формате safetensors; лицензия репозитория — MIT. Для запуска нужны inference-код и предварительно загруженная базовая модель.

Сценарии применения

  • восстановление 3D-объекта по нескольким фотографиям с разных ракурсов
  • создание 3D Gaussian Splatting-сцены из изображений без данных о позах камер
  • реконструкция объектов по разреженному набору изображений
  • генерация 3D-представления объекта для визуализации и контент-производства

Ограничения

Метод рассчитан на входные изображения объекта и выдаёт представление в виде 3D Gaussian Splatting; другие форматы 3D-геометрии в карточке не заявлены. Для запуска требуется предварительно обученная Stable Diffusion 2.1 Base и отдельный inference-код.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LucidFusion: Generating 3D Gaussians with Arbitrary Unposed Images

Hao He* Yixun Liang*, Luozhou Wang, Yuanhao Cai, Xinli Xu, Hao-Xiang Guo, Xiang Wen, Yingcong Chen**

*: Equal contribution. **: Corresponding author.

Paper PDF | Project Page | [Gradio Demo](Coming Soon)


Demo results of our latest model


Examples of cross-dataset content creations with our framework, the LucidFusion, around ~13FPS on A800.

🎏 Abstract

We present a flexible end-to-end feed-forward framework, named the LucidFusion, to generate high-resolution 3D Gaussians from unposed, sparse, and arbitrary numbers of multiview images.

Recent large reconstruction models have made notable progress in generating high-quality 3D objects from single images. However, these methods often struggle with controllability, as they lack information from multiple views, leading to incomplete or inconsistent 3D reconstructions. To address this limitation, we introduce LucidFusion, a flexible end-to-end feed-forward framework that leverages the Relative Coordinate Map (RCM). Unlike traditional methods linking images to 3D world thorough pose, LucidFusion utilizes RCM to align geometric features coherently across different views, making it highly adaptable for 3D generation from arbitrary, unposed images. Furthermore, LucidFusion seamlessly integrates with the original single-image-to-3D pipeline, producing detailed 3D Gaussians at a resolution of $512 \times 512$, making it well-suited for a wide range of applications.

🔧 Training Instructions

Our inference code is now released!

Please refer to our repo for more details.

Pretrained Weights

Our current model loads pre-trained diffusion model for config. We use stable-diffusion-2-1-base, to download it, simply run

python pretrained/download.py

You can omit this step if you already have stable-diffusion-2-1-base, and simply update "model_key" with your local SD-2-1 path for scripts in scripts/ folder.

Our pre-trained weights is released!

🚧 Todo

  • Release the inference codes
  • Release our weights
  • Release the Gardio Demo
  • Release the Stage 1 and 2 training codes

📍 Citation

If you find our work useful, please consider citing our paper.

@misc{he2024lucidfusion,
      title={LucidFusion: Generating 3D Gaussians with Arbitrary Unposed Images}, 
      author={Hao He and Yixun Liang and Luozhou Wang and Yuanhao Cai and Xinli Xu and Hao-Xiang Guo and Xiang Wen and Yingcong Chen},
      year={2024},
      eprint={2410.15636},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2410.15636}, 
}

💼 Acknowledgement

This work is built on many amazing research works and open-source projects:

Thanks for their excellent work and great contribution to 3D generation area.

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
24de120

0 моделей