GPT
M

MV-Adapter-I2MV-SDXL

רץ בדפדפן

VAST-AIapache-2.02024-12-01

  • gradio

העלאת תמונה בודדת מייצרת כאן סט זוויות צפייה שונות של אותו אובייקט. זה מיועד למי שצריך תצוגות היקפיות לצורכי תלת ממד בלי למדל הכל ידנית.

  • הורדות בחודש
  • 230לייקים

מה זה

אתם מעלים תמונה של אובייקט בודד ומקבלים גלריה של תמונות שמציגות אותו מכיוונים שונים. ברירת המחדל מנקה קודם את הרקע באופן אוטומטי, מציגה לכם תמונה מעובדת ונקייה, ורק אז שולחת אותה לשלב הרינדור של הזוויות הנוספות.

מאחורי הקלעים הקוד מפעיל שרשרת מודלים כבדה. המודל BiRefNet חותך את הרקע, ומיד אחריו נכנסים לפעולה MV-Adapter בשילוב עם SDXL בגרסת הבסיס, VAE ייעודי לתיקון דיוק, ורכיבים מ־Stable Diffusion 1.5. יש בממשק דוגמאות מוכנות מראש שנשמרו במטמון, כך שאפשר לראות את התוצאות שלהן מיד בלי להמתין לעיבוד מלא.

מתאים ל

  • הכנה למודלים בתלת ממד

    יצירת כמה זוויות מוגדרות מתמונה בודדת עבור תהליכי שחזור ומידול תלת ממדי.

  • תצוגת מוצר מכיוונים שונים

    בדיקת מראה כללי של חפץ או קונספט מכמה צדדים על בסיס צילום יחיד.

  • חיתוך ובידוד אובייקטים

    שימוש במנגנון הפנימי של BiRefNet לניקוי מהיר של רקעים מתמונות מקור.

איפה זה נופל

אם התמונה המקורית כוללת רקע עמוס או מורכב, ההסרה האוטומטית עלולה לחתוך חלקים מהאובייקט עצמו ולפגוע בכל הזוויות שייווצרו בהמשך. הדוגמאות השמורות מציגות אובייקטים ברורים ומבודדים היטב, מה שלא תמיד משקף צילומים אמיתיים מהשטח. בנוסף, חומרה שיתופית עלולה להיתקל בהגבלות זמן עיבוד אם תעלו את מספר הצעדים גבוה מדי.

שאלות
נפוצות

האם השימוש עולה כסף?

לא. האפליקציה זמינה בדפדפן בחינם על גבי שרתי הניסיון של הפלטפורמה.

כמה זמן לוקח לכל תמונה להתעבד?

הפעולה נשענת על מאיץ A10G שמוקצה לפי דרישה. העיבוד עצמו לוקח בדרך כלל כמה עשרות שניות, אך אם יש תור במערכת תצטרכו להמתין.

האם אפשר להריץ את זה על מחשב אישי?

כן, הקוד מבוסס על ספריות פתוחות כמו transformers ו־diffusers. תצטרכו חומרת מחשב חזקה עם כרטיס גרפי תואם כדי להתמודד עם המשקל של SDXL.

מה קורה לקבצים שאני מעלה?

התמונות נשלחות לשרת לצורך פעולת ההסקה בלבד ומוצגות בגלריה הזמנית של הממשק. אין בממשק עדות למנגנון שמירת קבצים קבוע מעבר לזמן הריצה.

איך משתמשים

טוענים תמונה, כותבים תיאור קצר בתיבת הטקסט ולוחצים על כפתור ההרצה. אם רוצים שליטה מדויקת יותר, פותחים את ההגדרות המתקדמות ומשנים את מספר צעדי החישוב, מדד ההנחיה, הסיד ועוצמת ההתבססות על תמונת המקור. העיבוד רץ על מעבד גרפי מדגם A10G דרך תשתית ZeroGPU, מה שאומר שההקצאה דינמית וזמן ההמתנה תלוי בעומס הרגעי על השרתים.

הרישיון

הפרויקט מפורסם תחת רישיון apache-2.0. הרישיון הזה מתיר שימוש חופשי בקוד, כולל שינויים והפצה לצרכים מסחריים ופרטיים, בכפוף לשמירה על תנאי הרישיון המקורי והודעות היוצרים.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗