TripoSR: modelos rápidos de reconstrucción 3D de una sola imagen, modelado de texto a 3D de código abierto|modelado de imagen a 3D
Últimos recursos sobre IAPublicado hace 10 meses Círculo de intercambio de inteligencia artificial 15.6K 00
Introducción general
TripoSR es un modelo de código abierto desarrollado conjuntamente por Tripo AI y Stability AI, diseñado para generar rápidamente modelos 3D de alta calidad a partir de una sola imagen. El modelo se basa en la arquitectura Large Reconstruction Model (LRM) y es capaz de generar mallas 3D en menos de 0,5 s. TripoSR supera a otras alternativas de código abierto en múltiples conjuntos de datos disponibles públicamente, ofreciendo velocidad y calidad para una amplia gama de dominios, como el entretenimiento, los juegos, el diseño industrial y la arquitectura.
Además de la implantación local, puede visitar el sitio web oficial de TRIPO para obtener una generación ilimitada de borradores y 10 créditos de texto a 3D e imagen a 3D de alta calidad al mes.
Sitio web oficial de TripoSR
Ejemplo de generación de TripoSR
Lista de funciones
- Reconstrucción 3D rápida: Genere modelos 3D de alta calidad a partir de una sola imagen en tan sólo 0,5 segundos.
- Alta calidad: Genera modelos 3D con alta resolución y detalle.
- código abiertoCódigo fuente completo y modelos preentrenados para mayor comodidad de investigadores y desarrolladores.
- Soporte multiplataformaCompatible con GPU y CPU para distintos entornos de hardware.
- Demostración en líneaFunción de demostración en línea: se ofrece una función de demostración en línea para que los usuarios puedan experimentar directamente la potencia del modelo.
Utilizar la ayuda
Proceso de instalación
- Preparación medioambiental::
- Asegúrese de que Python 3.8 o posterior está instalado.
- Instale CUDA (si está disponible).
- Instale PyTorch, asegurándose de que la versión de CUDA instalada localmente coincide con la versión de PyTorch.
- Clonación del código base::
git clone https://github.com/VAST-AI-Research/TripoSR.git cd TripoSR
- Instalación de dependencias::
pip install -r requirements.txt
Proceso de utilización
- ejemplo de funcionamiento::
python run.py examples/chair.png --output-dir output/
Guarda el modelo 3D reconstruido en el archivo
output/
Catálogo. - Aplicaciones nativas de Gradio::
python gradio_app.py
Al iniciar la aplicación Gradio local, los usuarios pueden cargar imágenes y generar modelos 3D a través de la interfaz web.
Pasos detallados
- Preprocesamiento de imágenes::
- Procesa la imagen de entrada en un array NumPy.
- Las características se extraen mediante un codificador de imágenes.
- Reconstrucción 3D::
- Las características extraídas se introducen en la imagen para el descodificador de tres planos.
- Predicción del color y la densidad mediante campos neuronales de radiación de tres planos.
- Producción::
- La malla 3D generada puede guardarse en diversos formatos para facilitar su uso y edición posteriores.
problemas comunes
- Error CUDASi encuentra errores relacionados con CUDA, asegúrese de que la versión de CUDA instalada localmente coincide con la versión de PyTorch.
- Fallo en la instalación de la dependenciaAsegúrese de que dispone de la última versión de
setuptools
y utilizarpip install --upgrade setuptools
Realiza actualizaciones.
© declaración de copyright
Derechos de autor del artículo Círculo de intercambio de inteligencia artificial Todos, por favor no reproducir sin permiso.
Artículos relacionados
Sin comentarios...