Spaces:
Running
on
Zero
Running
on
Zero
chore: update app.py
Browse files
app.py
CHANGED
@@ -8,7 +8,7 @@ import mcubes
|
|
8 |
import imageio
|
9 |
from torchvision.utils import save_image
|
10 |
from PIL import Image
|
11 |
-
from transformers import AutoModel, AutoConfig
|
12 |
from rembg import remove, new_session
|
13 |
from functools import partial
|
14 |
from kiui.op import recenter
|
@@ -247,9 +247,7 @@ with gr.Blocks() as demo:
|
|
247 |
with gr.Row():
|
248 |
gr.Markdown("""
|
249 |
# 图像升维计算模型:EMU Video 的衍生尝试
|
250 |
-
|
251 |
我们利用视频扩散模型作为多视图数据生成器,从而促进可扩展 3D 生成模型的学习。以下展示了视频扩散模型作为多视图数据引擎的潜力,能够生成无限规模的合成数据以支持可扩展的训练。我们提出的模型从合成数据中学习,在生成 3D 资产方面表现出卓越的性能。
|
252 |
-
|
253 |
除了当前状态之外,我们的模型还具有高度可扩展性,并且可以根据合成数据和 3D 数据的数量进行扩展,为 3D 生成模型铺平了新的道路。
|
254 |
""")
|
255 |
|
@@ -259,6 +257,7 @@ with gr.Blocks() as demo:
|
|
259 |
examples_component = gr.Examples(examples=examples, inputs=img_input, outputs=None, examples_per_page=5)
|
260 |
generate_mesh_button = gr.Button("生成模型")
|
261 |
generate_video_button = gr.Button("生成视频")
|
|
|
262 |
with gr.Column():
|
263 |
# model_output = LitModel3D(
|
264 |
# clear_color=[0, 0, 0, 0], # 可调整背景颜色,以获得更好的对比度
|
@@ -273,7 +272,7 @@ with gr.Blocks() as demo:
|
|
273 |
# interactive=False # 这样用户就可以与模型进行交互
|
274 |
# )
|
275 |
model_output = gr.Model3D(
|
276 |
-
clear_color=
|
277 |
label="模型可视化",
|
278 |
scale=1,
|
279 |
camera_position=(0, 0, 2), # 将设置初始摄像机位置,使模型居中
|
@@ -289,20 +288,18 @@ with gr.Blocks() as demo:
|
|
289 |
with gr.Column():
|
290 |
video_output = gr.Video(label="360° 视频")
|
291 |
|
292 |
-
|
293 |
# 清除输出
|
294 |
def clear_model_viewer():
|
295 |
"""在加载新模型前重置 Gradio。"""
|
296 |
-
|
297 |
-
return update_output, update_output
|
298 |
|
299 |
-
#
|
300 |
-
img_input.change(clear_model_viewer,
|
301 |
|
302 |
-
#
|
303 |
-
generate_mesh_button.click(step_2_generate_obj, inputs=img_input, outputs=[obj_file_output, model_output])
|
304 |
-
generate_video_button.click(step_3_generate_video, inputs=img_input, outputs=[video_file_output, video_output])
|
305 |
|
306 |
demo.launch(
|
307 |
# auth=(os.environ.get('AUTH_USERNAME'), os.environ.get('AUTH_PASSWORD'))
|
308 |
-
)
|
|
|
8 |
import imageio
|
9 |
from torchvision.utils import save_image
|
10 |
from PIL import Image
|
11 |
+
from transformers import AutoModel, AutoConfig
|
12 |
from rembg import remove, new_session
|
13 |
from functools import partial
|
14 |
from kiui.op import recenter
|
|
|
247 |
with gr.Row():
|
248 |
gr.Markdown("""
|
249 |
# 图像升维计算模型:EMU Video 的衍生尝试
|
|
|
250 |
我们利用视频扩散模型作为多视图数据生成器,从而促进可扩展 3D 生成模型的学习。以下展示了视频扩散模型作为多视图数据引擎的潜力,能够生成无限规模的合成数据以支持可扩展的训练。我们提出的模型从合成数据中学习,在生成 3D 资产方面表现出卓越的性能。
|
|
|
251 |
除了当前状态之外,我们的模型还具有高度可扩展性,并且可以根据合成数据和 3D 数据的数量进行扩展,为 3D 生成模型铺平了新的道路。
|
252 |
""")
|
253 |
|
|
|
257 |
examples_component = gr.Examples(examples=examples, inputs=img_input, outputs=None, examples_per_page=5)
|
258 |
generate_mesh_button = gr.Button("生成模型")
|
259 |
generate_video_button = gr.Button("生成视频")
|
260 |
+
|
261 |
with gr.Column():
|
262 |
# model_output = LitModel3D(
|
263 |
# clear_color=[0, 0, 0, 0], # 可调整背景颜色,以获得更好的对比度
|
|
|
272 |
# interactive=False # 这样用户就可以与模型进行交互
|
273 |
# )
|
274 |
model_output = gr.Model3D(
|
275 |
+
clear_color=(0.0, 0.0, 0.0, 0.0), # 可调整背景颜色,以获得更好的对比度
|
276 |
label="模型可视化",
|
277 |
scale=1,
|
278 |
camera_position=(0, 0, 2), # 将设置初始摄像机位置,使模型居中
|
|
|
288 |
with gr.Column():
|
289 |
video_output = gr.Video(label="360° 视频")
|
290 |
|
|
|
291 |
# 清除输出
|
292 |
def clear_model_viewer():
|
293 |
"""在加载新模型前重置 Gradio。"""
|
294 |
+
return None, None
|
|
|
295 |
|
296 |
+
# 清除输出的数据
|
297 |
+
img_input.change(fn=clear_model_viewer, outputs=[model_output, video_output])
|
298 |
|
299 |
+
# 生成模型和视频
|
300 |
+
generate_mesh_button.click(fn=step_2_generate_obj, inputs=img_input, outputs=[obj_file_output, model_output])
|
301 |
+
generate_video_button.click(fn=step_3_generate_video, inputs=img_input, outputs=[video_file_output, video_output])
|
302 |
|
303 |
demo.launch(
|
304 |
# auth=(os.environ.get('AUTH_USERNAME'), os.environ.get('AUTH_PASSWORD'))
|
305 |
+
)
|