# 如何使用 3D 模型组件 相关空间:https://huggingface.co/spaces/dawood/Model3D, https://huggingface.co/spaces/radames/PIFu-Clothed-Human-Digitization, https://huggingface.co/spaces/radames/dpt-depth-estimation-3d-obj 标签:VISION, IMAGE ## 介绍 机器学习中的 3D 模型越来越受欢迎,并且是一些最有趣的演示实验。使用 `gradio`,您可以轻松构建您的 3D 图像模型的演示,并与任何人分享。Gradio 3D 模型组件接受 3 种文件类型,包括:_.obj_,_.glb_ 和 _.gltf_。 本指南将向您展示如何使用几行代码构建您的 3D 图像模型的演示;像下面这个示例一样。点击、拖拽和缩放来玩转 3D 对象: ### 先决条件 确保已经[安装](https://gradio.app/quickstart)了 `gradio` Python 包。 ## 查看代码 让我们来看看如何创建上面的最简界面。在这种情况下,预测函数将只返回原始的 3D 模型网格,但您可以更改此函数以在您的机器学习模型上运行推理。我们将在下面看更复杂的示例。 ```python import gradio as gr def load_mesh(mesh_file_name): return mesh_file_name demo = gr.Interface( fn=load_mesh, inputs=gr.Model3D(), outputs=gr.Model3D(clear_color=[0.0, 0.0, 0.0, 0.0], label="3D Model"), examples=[ ["files/Bunny.obj"], ["files/Duck.glb"], ["files/Fox.gltf"], ["files/face.obj"], ], cache_examples=True, ) demo.launch() ``` 让我们来解析上面的代码: `load_mesh`:这是我们的“预测”函数,为简单起见,该函数将接收 3D 模型网格并返回它。 创建界面: - `fn`:当用户点击提交时使用的预测函数。在我们的例子中,它是 `load_mesh` 函数。 - `inputs`:创建一个 model3D 输入组件。输入是一个上传的文件,作为{str}文件路径。 - `outputs`:创建一个 model3D 输出组件。输出组件也期望一个文件作为{str}文件路径。 - `clear_color`:这是 3D 模型画布的背景颜色。期望 RGBa 值。 - `label`:出现在组件左上角的标签。 - `examples`:3D 模型文件的列表。3D 模型组件可以接受*.obj*,*.glb*和*.gltf*文件类型。 - `cache_examples`:保存示例的预测输出,以节省推理时间。 ## 探索更复杂的 Model3D 演示 下面是一个使用 DPT 模型预测图像深度,然后使用 3D 点云创建 3D 对象的演示。查看[code.py](https://huggingface.co/spaces/radames/dpt-depth-estimation-3d-obj/blob/main/app.py)文件,了解代码和模型预测函数。 下面是一个使用 PIFu 模型将穿着衣物的人的图像转换为 3D 数字化模型的演示。查看[spaces.py](https://huggingface.co/spaces/radames/PIFu-Clothed-Human-Digitization/blob/main/PIFu/spaces.py)文件,了解代码和模型预测函数。 --- 搞定!这就是构建 Model3D 模型界面所需的所有代码。以下是一些您可能会发现有用的参考资料: - Gradio 的[“入门指南”](https://gradio.app/getting_started/) - 第一个[3D 模型演示](https://huggingface.co/spaces/dawood/Model3D)和[完整代码](https://huggingface.co/spaces/dawood/Model3D/tree/main)(在 Hugging Face Spaces 上)