/ Модель

Характеристики

Опубликована
29 янв 2024

eschernet-6dof

Генерация изображенийТекст → изображение3 профессии

EscherNet-6DoF генерирует согласованные изображения объекта с новых ракурсов по одному или нескольким опорным изображениям с управлением положением камеры.

222скачиваний за 30 дней1лайквеса обновлены29 фев 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

EscherNet-6DoF — чекпойнт модели EscherNet с 6DoF CaPE, разработанной для синтеза новых ракурсов по одному или нескольким опорным изображениям. Модель диффузионная: она использует многовидовые условия и специальное кодирование положения камеры, чтобы управлять относительным преобразованием камеры между опорными и целевыми ракурсами.

Модель предназначена для генерации согласованных изображений объекта с новых ракурсов, в том числе для zero-shot синтеза ракурсов и реконструкции 3D по одному или нескольким изображениям. EscherNet может одновременно создавать более 100 целевых ракурсов на потребительском GPU; при этом обучение проводилось на фиксированной схеме из трёх опорных и трёх целевых ракурсов. Файлы представлены в формате Diffusers/PyTorch. В README лицензия не указана.

Сценарии применения

  • генерация новых ракурсов объекта по одной фотографии
  • синтез множества согласованных видов объекта
  • реконструкция объекта по нескольким изображениям
  • zero-shot синтез вида при заданном преобразовании камеры

Ограничения

Обучение проводилось на фиксированных трёх опорных и трёх целевых ракурсах. Лицензия и ограничения на использование в карточке не приведены.

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

EscherNet: A Generative Model for Scalable View Synthesis

Abstract

We introduce EscherNet, a multi-view conditioned diffusion model for view synthesis. EscherNet learns implicit and generative 3D representations coupled with a specialised camera positional encoding, allowing precise and continuous relative control of the camera transformation between an arbitrary number of reference and target views. EscherNet offers exceptional generality, flexibility, and scalability in view synthesis — it can generate more than 100 consistent target views simultaneously on a single consumer-grade GPU, despite being trained with a fixed number of 3 reference views to 3 target views. As a result, EscherNet not only addresses zero-shot novel view synthesis, but also naturally unifies single- and multi-image 3D reconstruction, combining these diverse tasks into a single, cohesive framework. Our extensive experiments demonstrate that EscherNet achieves state-of-the-art performance in multiple benchmarks, even when compared to methods specifically tailored for each individual problem. This re- markable versatility opens up new directions for designing scalable neural architectures for 3D vision. Project page: https://kxhit.github.io/EscherNet.

This is the checkpoint trained with 6DoF CaPE (Camera Positional Encoding).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Пайплайн Zero1to3StableDiffusionPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
abbede0

0 моделей