StableNormal

我们提出了StableNormal，它为单目法线估计定制了扩散先验。与之前基于扩散的工作不同，我们专注于通过减少扩散模型（即Stable Diffusion）固有的随机性来提高估计的稳定性。这实现了"稳定且清晰"的法线估计，优于多个基准（试试比较），并改进了各种现实应用（试试演示）。

安装：

请运行以下命令来构建包：

git clone https://github.com/Stable-X/StableNormal.git
cd StableNormal
pip install -r requirements.txt

或直接构建包：

pip install git+https://github.com/Stable-X/StableNormal.git

使用

要使用StableNormal流程，你可以按如下方式实例化模型并将其应用于图像：

import torch
from PIL import Image

# 加载图像
input_image = Image.open("path/to/your/image.jpg")

# 创建预测器实例
predictor = torch.hub.load("Stable-X/StableNormal", "StableNormal", trust_repo=True)

# 将模型应用于图像
normal_image = predictor(input_image)

# 保存或显示结果
normal_image.save("output/normal_map.jpg")

额外选项：

• 如果需要更快的推理速度（快10倍），使用StableNormal_turbo：

predictor = torch.hub.load("Stable-X/StableNormal", "StableNormal_turbo", trust_repo=True)

• 如果终端无法访问Hugging Face，你可以将预训练权重下载到weights目录：

predictor = torch.hub.load("Stable-X/StableNormal", "StableNormal", trust_repo=True, local_cache_dir='./weights')