/ Модель

Характеристики

Лицензия
OpenRAIL++
Библиотека
diffusers
Опубликована
16 дек 2024

marigold-iid-lighting-v1-1

Преобразование изображенийИзображение, текст → изображение3 профессии

Модель Marigold на базе Stable Diffusion 2 разлагает одиночное изображение на альбедо, диффузное затенение и недиффузный остаток для анализа освещения.

7 040скачиваний за 30 дней8лайковвеса 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 Intrinsic Image Decomposition Lighting v1-1 — модель Bingxin Ke, Kevin Qu, Tianfu Wang, Nando Metzger, Shengyu Huang, Bo Li, Anton Obukhov и Konrad Schindler для разложения одного изображения на внутренние компоненты освещения и отражения. Она дообучена на базе stable-diffusion-2 и доступна для работы через библиотеку diffusers.

Модель принимает изображение в цветовом пространстве sRGB и оценивает альбедо, диффузное затенение и недиффузный остаток, соответствующие разложению I = A*S+R. Выходные компоненты представлены в линейном цветовом пространстве. Поддерживается обработка изображений разного размера, но эффективное разрешение базовой модели составляет около 768 пикселей; для крупных изображений рекомендуется уменьшить длинную сторону до этого размера. Модель рассчитана на DDIM с 1–50 шагами денойзинга; карты неопределённости формируются при ансамблировании более двух предсказаний.

Модель предназначена для анализа освещения и внешнего вида объектов по одиночному изображению, включая компьютерное зрение и обработку изображений. Лицензия CreativeML Open RAIL++-M.

Сценарии применения

  • разложение изображения на альбедо и компоненты освещения
  • оценка диффузного затенения по фотографии
  • выделение недиффузных эффектов на изображении
  • анализ освещения объектов на одиночном снимке

Ограничения

Эффективное разрешение унаследовано от базовой модели и составляет около 768 пикселей; для оптимальных результатов крупные изображения рекомендуется уменьшать. Карты неопределённости доступны только при ансамблировании более 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-lighting-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 (lighting) is trained to perform HyperSim decomposition into Albedo, Diffuse shading, and Non-diffuse residual. This decomposition aligns with the intrinsic residual model \(I = A*S+R\), where the image \(I\) is composed of a three-channel albedo \(A\), a three-channel diffuse shading component \(S\) (representing illumination color), and an additive three-channel residual term \(R\) capturing non-diffuse effects. The input is in the sRGB color space, while all outputs are in linear space. For an alternative model type (appearance) that performs decomposition into Albedo, Roughness, and Metallicity, 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 (lighting: albedo, diffuse shading, and non-diffuse residual) 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, linear space.
      • Diffuse shading: The predicted values are between 0 and 1, linear space.
      • Non-diffuse residual: 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
08c3930

0 моделей