zero123plus

zero123plus

Zero123++ v1.2 更新发布,增强多视图生成能力

Zero123++ v1.2 提升了相机内参处理,增强了视角和视野范围的适应性。模型专注于 3D 生成,输出统一的 30° 视角,确保对象的归一化尺寸。新增的法线生成器 ControlNet 可以生成更精确的法线图像和遮罩。该模型与代码在 Apache 2.0 和 CC-BY-NC 4.0 许可证下发布,非商业用途自由度更高。用户可简单配置生成多视图图像。

Zero123++多视图生成控制网络深度学习图像处理Github开源项目

Zero123++:单张图像生成一致多视图扩散基础模型

预览

[报告] [官方演示] [yvrjsharma的演示] [Google Colab] [Replicate 演示]

更新 v1.2

我们非常高兴发布 Zero123++ v1.2!主要变化如下:

  • 相机内参处理得更加细致。v1.2 模型对更宽范围的输入视场、更大的裁剪量更加稳健,并统一输出视场为 30° ,以更好地反映真实近景视图。
  • 固定仰角集从 30° 和 -20° 更改为 20°-10°
  • 与新视角合成不同,模型更关注 3D 生成。模型假定一个标准化对象大小输出一组视图,而不是相对于输入改变。

此外,我们还有一个可以生成视图空间法线图像的 法线生成器 ControlNet。输出还可以用来获得比基于 SAM 的方法更准确的掩码。在我们来自 Objaverse 的验证集上的验证指标:alpha(抠图前)IoU 98.81%,平均法线角度误差 10.75°,法线 PSNR 26.93 dB。

<img src="https://yellow-cdn.veclightyear.com/35dd4d3f/a5786e76-eaba-4c08-ac06-0f60e08170e8.jpg" alt="法线" width="480" />

使用方法

v1.2 基础模型的使用方法不变。请参见以下部分了解具体用法。

法线生成器的使用方法: 请参见 examples/normal_gen.py

关于从法线图像生成 alpha 掩码,请参见 examples/matting_postprocess.pyexamples/normal_gen.py

许可证

代码以 Apache 2.0 发布,模型权重以 CC-BY-NC 4.0 发布。

这意味着你不能在商业产品管道中使用模型(或其衍生物),但你仍可以自由使用模型的输出。而且,你对生成的输出及其后续使用负责。

开始

你将需要 torch(推荐 2.0 或更高版本)、diffusers(推荐 0.20.2)和 transformers 才能开始。如果你使用的是 torch 1.x,建议安装 xformers 以高效计算模型中的注意力。代码也可以在较旧版本的 diffusers 上运行,但你可能会看到模型性能的下降。

一切准备就绪!我们为 diffusers 提供了自定义管道,因此不需要额外的代码。

要从单张输入图像生成多视图图像,你可以运行以下代码(另请参见 examples/img_to_mv.py):

import torch import requests from PIL import Image from diffusers import DiffusionPipeline, EulerAncestralDiscreteScheduler # 加载管道 pipeline = DiffusionPipeline.from_pretrained( "sudo-ai/zero123plus-v1.1", custom_pipeline="sudo-ai/zero123plus-pipeline", torch_dtype=torch.float16 ) # 随意调整调度器! # `timestep_spacing` 参数在较旧版本的 `diffusers` 中不支持,因此可能会出现性能下降 # 我们建议使用 `diffusers==0.20.2` pipeline.scheduler = EulerAncestralDiscreteScheduler.from_config( pipeline.scheduler.config, timestep_spacing='trailing' ) pipeline.to('cuda:0') # 下载示例图片。 cond = Image.open(requests.get("https://d.skis.ltd/nrp/sample-data/lysol.png", stream=True).raw) # 运行管道! result = pipeline(cond, num_inference_steps=75).images[0] # 对于一般的真实和合成物体图像 # 通常28步就足够 # 对于带有细节的图像如人脸(真实或动漫) # 你可能需要75-100步来构建细节 result.show() result.save("output.png")

上述示例需要约5GB的VRAM运行。 输入图像需要是正方形,推荐图像分辨率为 >=320x320

默认情况下,Zero123++ 生成带有灰色背景的不透明图像(Stable Diffusion VAE 的 zero)。 你可以运行额外的背景去除步骤,如 rembg 来去除灰色背景。

# !pip install rembg import rembg result = rembg.remove(result) result.show()

要运行深度 ControlNet,可以使用以下示例(另请参见 examples/depth_controlnet.py):

import torch import requests from PIL import Image from diffusers import DiffusionPipeline, EulerAncestralDiscreteScheduler, ControlNetModel # 加载管道 pipeline = DiffusionPipeline.from_pretrained( "sudo-ai/zero123plus-v1.1", custom_pipeline="sudo-ai/zero123plus-pipeline", torch_dtype=torch.float16 ) pipeline.add_controlnet(ControlNetModel.from_pretrained( "sudo-ai/controlnet-zp11-depth-v1", torch_dtype=torch.float16 ), conditioning_scale=0.75) # 随意调整调度器 pipeline.scheduler = EulerAncestralDiscreteScheduler.from_config( pipeline.scheduler.config, timestep_spacing='trailing' ) pipeline.to('cuda:0') # 运行管道 cond = Image.open(requests.get("https://d.skis.ltd/nrp/sample-data/0_cond.png", stream=True).raw) depth = Image.open(requests.get("https://d.skis.ltd/nrp/sample-data/0_depth.png", stream=True).raw) result = pipeline(cond, depth_image=depth, num_inference_steps=36).images[0] result.show() result.save("output.png")

该示例运行需要约5.7GB的VRAM。

模型

模型可在 https://huggingface.co/sudo-ai 上获得:

  • sudo-ai/zero123plus-v1.1,基础 Zero123++ 模型发布(v1.1)。
  • sudo-ai/controlnet-zp11-depth-v1,Zero123++(v1.1)的深度 ControlNet 检查点发布(v1)。
  • sudo-ai/zero123plus-v1.2,基础 Zero123++ 模型发布(v1.2)。
  • sudo-ai/controlnet-zp12-normal-gen-v1,Zero123++(v1.2)的法线生成 ControlNet 检查点发布(v1)。

用于 diffusers 自定义管道的源代码可在 diffusers-support 目录中找到。

相机参数

输出视图是固定的一组相机姿势:

  • 方位角(相对于输入视角):30, 90, 150, 210, 270, 330
  • v1.1 仰角(绝对值):30, -20, 30, -20, 30, -20
  • v1.2 仰角(绝对值):20, -10, 20, -10, 20, -10
  • v1.2 视场(绝对值):30°

本地运行演示

你需要安装额外的依赖项:

pip install -r requirements.txt

然后运行 streamlit run app.py

对于 Gradio 演示,你可以运行 python gradio_app.py

相关工作

[One-2-3-45] [One-2-3-45++] [Zero123]

引用

如果你认为 Zero123++ 有帮助,请引用我们的报告:

@misc{shi2023zero123plus, title={Zero123++: a Single Image to Consistent Multi-view Diffusion Base Model}, author={Ruoxi Shi and Hansheng Chen and Zhuoyang Zhang and Minghua Liu and Chao Xu and Xinyue Wei and Linghao Chen and Chong Zeng and Hao Su}, year={2023}, eprint={2310.15110}, archivePrefix={arXiv}, primaryClass={cs.CV} }

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多