/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
renderformer-v1-base
Библиотека
pytorch
Опубликована
24 сен 2026

gaussianformer-v17b

Преобразование изображенийИзображение, текст → изображение

GaussianFormer-V17b рендерит изображения новых ракурсов сцен 3D Gaussian Splatting с помощью трансформера без оптимизации для каждой сцены.

25скачиваний за 30 дней0лайковвеса обновлены24 сен 2026

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

GaussianFormer-V17b — модель для нейронного рендеринга сцен 3D Gaussian Splatting, разработанная Shahaf V. Она преобразует параметры каждого гауссиана в токен сцены и использует двухэтапную архитектуру на основе трансформера: кодировщик сцены и декодер лучей, зависящий от точки обзора. Модель адаптирована из microsoft/renderformer-v1-base и обучена без оптимизации для каждой отдельной сцены на наборах одиночных объектов Objaverse_Splats.

Модель принимает сцену примерно из 20 тысяч гауссианов и генерирует изображения новых ракурсов. На отложенной выборке из 1 806 объектов средний PSNR составил 30,29 дБ относительно рендеринга исходной полной сцены; форма, цвет и крупная текстура передаются хорошо, но мелкие детали могут быть размыты. Обучение рассчитано на изолированные одиночные объекты в заданном диапазоне положения камеры; сцены за его пределами работают хуже, а квадратичная сложность внимания кодировщика ограничивает размер входа. Код доступен на GitHub; веса опубликованы по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • получение изображений 3D-объекта с новых ракурсов
  • нейронный рендеринг сцены из 3D-гауссианов
  • быстрая визуализация одиночных объектов без оптимизации сцены
  • восстановление вида объекта по заданной камере

Ограничения

Модель обучена на изолированных одиночных объектах с ограниченным диапазоном масштаба и положения камеры; сцены за его пределами могут рендериться хуже. Мелкие детали размываются, а квадратичная сложность внимания ограничивает число гауссианов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GaussianFormer-V17b

GaussianFormer renders 3D Gaussian Splatting scenes with a transformer, without per-scene optimization. It adapts RenderFormer (SIGGRAPH 2025), a transformer renderer for triangle meshes: each Gaussian's 14 parameters [pos(3), scale(3), quat(4), rgb(3), opacity(1)] become one scene token, and the two-stage architecture (view-independent scene encoder, view-dependent ray decoder with a DPT head) is kept and warm-started from RenderFormer's weights.

This checkpoint (V17, epoch 36 of its 512 px stage) replaces V10b as the recommended model.

Code: github.com/SVLwoof/gaussianformer

Training

  • Data: 13,405 single-object scans from Objaverse_Splats, each pruned from ~50k to 20k Gaussians (LightGaussian importance score, then a short recovery fine-tune of the kept Gaussians). Targets are gsplat renders of the full, unpruned splat: 14 orbit views per object at 512 px.
  • Stage A: 60 epochs at 256 px, log-HDR L1 loss.
  • Stage B: 36 epochs at 512 px, log-HDR L1 + LPIPS-VGG (0.5 each), cosine LR 5e-5 to 5e-7, 8 GPUs.

Results

Held-out set of 1,806 objects not seen in training, 4 views each, PSNR on the object's bounding box against the full-splat ground truth:

PSNR (dB)
gsplat rasterization of the same 20k-Gaussian input44.94
GaussianFormer-V17b30.29

The model reproduces shape, color and coarse texture well but blurs fine detail (thin strokes, text, small patterns); that gap to rasterization is what current work targets.

How to use

import torch
from gaussianformer.pipelines.rendering_pipeline import GaussianFormerRenderingPipeline

pipeline = GaussianFormerRenderingPipeline.from_pretrained("shahafvl/gaussianformer-v17b")
pipeline.to(torch.device("cuda"))

# gaussians [B, N, 14] (pos | scale | quat wxyz | rgb | opacity), mask [B, N] bool,
# c2w [B, V, 4, 4] (Blender convention), fov [B, V, 1] in degrees
imgs = pipeline(gaussians=g, mask=m, c2w=c2w, fov=fov, resolution=512, torch_dtype=torch.float16)
# imgs: [B, V, 512, 512, 3], linear HDR

From the command line (reads an HDF5 scene, writes EXR + PNG per view):

uv run python infer_gaussian.py --h5_file scene.h5 --model_id shahafvl/gaussianformer-v17b --output_dir out/

Limitations

  • Trained on isolated single objects centred in [-0.45, 0.45]^3, cameras at distance ~1.7 with 45° FOV. Scenes far outside that range degrade.
  • Inputs of about 20k Gaussians; scene-encoder attention is quadratic in the number of Gaussians.
  • Fine detail is noticeably softer than rasterizing the same splat.

License

Trained on Objaverse_Splats, a subset of Objaverse whose terms restrict commercial use; this checkpoint is CC-BY-NC-4.0, research and non-commercial use only.

Citation

GaussianFormer builds on RenderFormer; please cite:

@inproceedings{zeng2025renderformer,
  title     = {RenderFormer: Transformer-based Neural Rendering of Triangle Meshes with Global Illumination},
  author    = {Chong Zeng and Yue Dong and Pieter Peers and Hongzhi Wu and Xin Tong},
  booktitle = {ACM SIGGRAPH 2025 Conference Papers},
  year      = {2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
82a1560

0 моделей