/ Модель

Характеристики

Лицензия
cc-by-nc-2.0
Архитектура
lrm_generator · dense
Опубликована
31 июл 2024

vfusion3d

Языковая модель3 профессии

VFusion3D преобразует изображение в 3D-представление объекта и может экспортировать его как сетку или многоракурсное видео.

99скачиваний за 30 дней15лайковвеса обновлены28 сен 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

VFusion3D — модель генерации и реконструкции 3D-объектов по изображению, представленная исследователями Meta и Оксфордского университета; работа опубликована на ECCV 2024. Это крупная feed-forward модель семейства LRM, обученная на небольшом объёме 3D-данных и большом количестве синтетических данных с разных ракурсов, полученных с помощью видеодиффузионных моделей.

Модель принимает изображение и по умолчанию выдаёт 3D-представление в виде плоскостей, пригодное для дальнейшей обработки. Также можно экспортировать 3D-сетку в формате OBJ или видео с рендерингом объекта с разных ракурсов. Подходит для быстрого преобразования изображений в объёмные объекты и прототипирования 3D-содержимого. Репозиторий содержит веса Safetensors; лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но некоммерческое.

Сценарии применения

  • создание 3D-объекта по изображению
  • быстрая реконструкция объекта для 3D-прототипа
  • экспорт сгенерированной модели в OBJ
  • создание видео с обзором объекта с разных ракурсов

Ограничения

Качество и пригодность результата могут зависеть от исходного изображения; README не приводит количественных оценок качества. Лицензия CC BY-NC 2.0 ограничивает 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

[ECCV 2024] VFusion3D: Learning Scalable 3D Generative Models from Video Diffusion Models

Porject page, Paper link

VFusion3D is a large, feed-forward 3D generative model trained with a small amount of 3D data and a large volume of synthetic multi-view data. It is the first work exploring scalable 3D generative/reconstruction models as a step towards a 3D foundation.

VFusion3D: Learning Scalable 3D Generative Models from Video Diffusion Models Junlin Han, Filippos Kokkinos, Philip Torr GenAI, Meta and TVG, University of Oxford European Conference on Computer Vision (ECCV), 2024

News

  • [08.08.2024] HF Demo is available, big thanks to Jade Choghari's help for making it possible.
  • [25.07.2024] Release weights and inference code for VFusion3D.

Quick Start

Getting started with VFusion3D is super easy! 🤗 Here’s how you can use the model with Hugging Face:

Install Dependencies (Optional)

Depending on your needs, you may want to enable specific features like mesh generation or video rendering. We've got you covered with these additional packages:

!pip --quiet install imageio[ffmpeg] PyMCubes trimesh rembg[gpu,cli] kiui

Load model directly

import torch
from transformers import AutoModel, AutoProcessor

# load the model and processor
model = AutoModel.from_pretrained("jadechoghari/vfusion3d", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("jadechoghari/vfusion3d")

# download and preprocess the image
import requests
from PIL import Image
from io import BytesIO

image_url = 'https://sm.ign.com/ign_nordic/cover/a/avatar-gen/avatar-generations_prsz.jpg'
response = requests.get(image_url)
image = Image.open(BytesIO(response.content))

# preprocess the image and get the source camera 
image, source_camera = processor(image)


# generate planes (default output)
output_planes = model(image, source_camera)
print("Planes shape:", output_planes.shape)

# generate a 3D mesh
output_planes, mesh_path = model(image, source_camera, export_mesh=True)
print("Planes shape:", output_planes.shape)
print("Mesh saved at:", mesh_path)

# Generate a video
output_planes, video_path = model(image, source_camera, export_video=True)
print("Planes shape:", output_planes.shape)
print("Video saved at:", video_path)

  • Default (Planes): By default, VFusion3D outputs planes—ideal for further 3D operations.
  • Export Mesh: Want a 3D mesh? Just set export_mesh=True, and you'll get a .obj file ready to roll. You can also customize the mesh resolution by adjusting the mesh_size parameter.
  • Export Video: Fancy a 3D video? Set export_video=True, and you'll receive a beautifully rendered video from multiple angles. You can tweak render_size and fps to get the video just right.

Check out our demo app to see VFusion3D in action! 🤗

Results and Comparisons

3D Generation Results

User Study Results

Acknowledgement

  • This inference code of VFusion3D heavily borrows from OpenLRM.

Citation

If you find this work useful, please cite us:

@article{han2024vfusion3d,
  title={VFusion3D: Learning Scalable 3D Generative Models from Video Diffusion Models},
  author={Junlin Han and Filippos Kokkinos and Philip Torr},
  journal={European Conference on Computer Vision (ECCV)},
  year={2024}
}

License

  • The majority of VFusion3D is licensed under CC-BY-NC, however portions of the project are available under separate license terms: OpenLRM as a whole is licensed under the Apache License, Version 2.0, while certain components are covered by NVIDIA's proprietary license.
  • The model weights of VFusion3D is also licensed under CC-BY-NC.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

3D-генерация пока не поддерживается.

Класс архитектуры
LRMGenerator
Ревизия весов
463bcea

0 моделей