/ Модель

Характеристики

Лицензия
OpenRAIL++
Библиотека
diffusers
Опубликована
21 окт 2024

marigold-iid-appearance-v1-1

Преобразование изображенийИзображение, текст → изображение3 профессии

Диффузионная модель Marigold выделяет из одного изображения альбедо, шероховатость и металличность материалов.

5 322скачиваний за 30 дней2лайкавеса обновлены20 мая 2025

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

Marigold IID Appearance v1-1 — модель для разложения одного изображения на внутренние свойства внешнего вида объектов. Её разработали Bingxin Ke, Kevin Qu, Tianfu Wang, Nando Metzger, Shengyu Huang, Bo Li, Anton Obukhov и Konrad Schindler; модель дообучена на основе stable-diffusion-2 и реализована как латентная диффузионная модель для анализа изображений.

Модель оценивает альбедо, шероховатость и металличность материалов на входном изображении. Её можно применять для анализа материалов в компьютерной графике и компьютерном зрении. Вход и выход альбедо представлены в цветовом пространстве sRGB; оценки шероховатости и металличности — в линейном диапазоне от 0 до 1. Для оптимальных результатов большие изображения рекомендуется уменьшать так, чтобы длинная сторона была около 768 пикселей. Модель рассчитана на работу с планировщиком DDIM и от 1 до 50 шагов денойзинга; карты неопределённости доступны при ансамблировании более чем двух предсказаний.

Модель распространяется по лицензии CreativeML Open RAIL++-M. Результаты являются оценками свойств материалов по одному изображению; для изображений существенно крупнее эффективного разрешения качество может снижаться.

Сценарии применения

  • оценка альбедо объектов на фотографии
  • оценка шероховатости поверхностей
  • определение металлических материалов по изображению
  • разложение изображения на свойства внешнего вида для компьютерной графики
  • анализ материалов на изображениях без дополнительной информации о сцене

Ограничения

Эффективное разрешение модели составляет около 768 пикселей, поэтому большие входные изображения рекомендуется уменьшать до этого масштаба. Предсказания свойств материалов по одному изображению являются оценками; карты неопределённости формируются только при ансамблировании более чем двух предсказаний.

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

This is a model card for the marigold-iid-appearance-v1-1 model for single-image Intrinsic Image Decomposition (IID). The model is fine-tuned from the stable-diffusion-2 model as described in our papers:

  • CVPR'2024 paper titled "Repurposing Diffusion-Based Image Generators for Monocular Depth Estimation"
  • Journal extension titled "Marigold: Affordable Adaptation of Diffusion-Based Image Generators for Image Analysis"

Using the model

This model type (appearance) is trained to perform InteriorVerse decomposition into Albedo and two BRDF material properties: roughness and metallicity. Both the input image and the output albedo are in the sRGB color space. For an alternative model type (lighting) that performs decomposition into Albedo, Diffuse shading, and Non-diffuse residual, click here.

  • Play with the interactive Hugging Face Spaces demo: check out how the model works with example images or upload your own.
  • Use it with diffusers to compute the results with a few lines of code.
  • Get to the bottom of things with our official codebase.

Model Details

  • Developed by: Bingxin Ke, Kevin Qu, Tianfu Wang, Nando Metzger, Shengyu Huang, Bo Li, Anton Obukhov, Konrad Schindler.
  • Model type: Generative latent diffusion-based intrinsic image decomposition (appearance: albedo, roughness, and metallicity) from a single image.
  • Language: English.
  • License: CreativeML Open RAIL++-M License.
  • Model Description: This model can be used to generate an estimated intrinsic image decomposition of an input image.
    • Resolution: Even though any resolution can be processed, the model inherits the base diffusion model's effective resolution of roughly 768 pixels. This means that for optimal predictions, any larger input image should be resized to make the longer side 768 pixels before feeding it into the model.
    • Steps and scheduler: This model was designed for usage with DDIM scheduler and between 1 and 50 denoising steps.
    • Outputs:
      • Albedo: The predicted values are between 0 and 1, sRGB space.
      • Roughness and metallicity: The predicted values are between 0 and 1, linear space.
      • Uncertainty maps: Produced for each modality only when multiple predictions are ensembled with ensemble size larger than 2.
  • Resources for more information: Project Website, Paper, Code.
  • Cite as:
@misc{ke2025marigold,
  title={Marigold: Affordable Adaptation of Diffusion-Based Image Generators for Image Analysis},
  author={Bingxin Ke and Kevin Qu and Tianfu Wang and Nando Metzger and Shengyu Huang and Bo Li and Anton Obukhov and Konrad Schindler},
  year={2025},
  eprint={2505.09358},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}

@InProceedings{ke2023repurposing,
  title={Repurposing Diffusion-Based Image Generators for Monocular Depth Estimation},
  author={Bingxin Ke and Anton Obukhov and Shengyu Huang and Nando Metzger and Rodrigo Caye Daudt and Konrad Schindler},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
e7280a0

0 моделей