/ Модель

Характеристики

Лицензия
OpenRAIL++
Библиотека
diffusers
Опубликована
21 окт 2024

marigold-normals-v1-1

Преобразование изображенийИзображение, текст → изображение3 профессии

Диффузионная модель для оценки карты нормалей поверхности по одному изображению.

11 186скачиваний за 30 дней11лайковвеса 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 Normals v1-1 — модель Bingxin Ke, Kevin Qu и соавторов для оценки нормалей поверхности по одному изображению. Она использует генеративную латентную диффузионную архитектуру и дообучена на базе stable-diffusion-2. Модель предназначена для анализа изображений без дополнительных данных о сцене и может применяться через библиотеку diffusers.

На выходе модель строит карту нормалей — трёхмерные единичные векторы в экранной системе координат камеры. При ансамблировании более двух предсказаний также формируется карта неопределённости. Хотя допускается обработка изображений произвольного разрешения, для лучших результатов рекомендуется масштабировать длинную сторону примерно до 768 пикселей. Модель рассчитана на DDIM и от 1 до 50 шагов денойзинга. Лицензия — CreativeML Open RAIL++-M.

Сценарии применения

  • оценка нормалей поверхности на фотографии
  • создание карты ориентации поверхности для компьютерного зрения
  • анализ геометрии объектов по одиночному изображению
  • получение карты неопределённости по ансамблю предсказаний

Ограничения

Для оптимального качества рекомендуется ограничивать длинную сторону изображения примерно 768 пикселями; модель рассчитана на DDIM с 1–50 шагами денойзинга. Карта неопределённости формируется только при ансамбле более чем из 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-normals-v1-1 model for monocular normals estimation from a single image. 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

  • 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 normals estimation from a single image.
  • Language: English.
  • License: CreativeML Open RAIL++-M License.
  • Model Description: This model can be used to generate an estimated surface normals map 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:
      • Surface normals map: The predicted values are 3-dimensional unit vectors in the screen space camera.
      • Uncertainty map: Produced 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
09cfdd2

0 моделей