StableFast3D ：快速 3D 网格重建

已于 2025-01-02 17:38:13 修改
阅读量943 收藏 20
点赞数 12
分类专栏： 模型构建 文章标签： 3D AI模型 AI 算力 StableFast3D 3D 网格重建 图像处理
于 2025-01-02 17:36:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sjjs_1/article/details/144891468
版权

一、大模型介绍

StableFast3D 具有 UV 展开和照明解缠的稳定快速 3D 网格重建，它是一种从单个图像进行快速前馈 3D 网格重建的最先进的开源模型。

二、大模型 InstantID 部署过程

基础环境最低要求说明：

环境名称版本信息1
Ubuntu22.04.4 LTS
CudaV12.1.105
Python3.12
NVIDIA CorporationRTX 3060

2.1 更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

1726627581255_image.png

配置 apt 国内源

# 更新软件包列表
apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器
apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件
vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

1726627632814_image.png

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

1726627649314_image.png

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update

# 更新系统软件包，输入以下命令：
apt-get upgrade

# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

1726627670779_image.png

2.2 安装 NVIDIA CUDA Toolkit 12.1

  • 下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。

  • 安装 CUDA Keyring ：
dpkg -i cuda-keyring_1.0-1_all.deb

使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。

1726627689852_image.png

  • 删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80

这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。

  • 更新 apt 包列表 ：
apt-get update

更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。

  • 安装 CUDA Toolkit ：
apt-get -y install cuda-toolkit-12-1

1726627724243_image.png

出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功

1726627736357_image.png

注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。

请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。

1726627761880_image.png

  • 出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量

编辑 ~/.bashrc 文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

1726627785017_image.png

激活 ~/.bashrc 文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

1726627797367_image.png

2.3 安装 Miniconda

  • 下载 Miniconda 安装脚本 ：
    • 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。
  • 运行 Miniconda 安装脚本 ：
    • 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 初次安装需要激活 base 环境
source ~/.bashrc

按下回车键（enter）

1726627823409_image.png

输入yes

1726627835177_image.png

输入yes

1726627844297_image.png

安装成功如下图所示

1726627852297_image.png

pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

  • 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
  • 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。
  • 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。
  • 安装完成后，您可以使用 conda 命令来管理 Python 环境和包。
  • 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

2.4 从 github 仓库 克隆项目：

  • 克隆存储库：

git clone https://github.com/Stability-AI/stable-fast-3d.git

# 克隆 stable-fast-3d 项目
git clone https://github.com/Stability-AI/stable-fast-3d.git

1727330041553_0e6b7a62_12276338.png

出现以上页面即是克隆项目成功！

如果 github 无法访问，使用 国内镜像 进行克隆

1727330049582_0d85d602_12276338.png

git clone yangchl/stable-fast-3d

# 克隆 stable-fast-3d 项目
git clone https://gitee.com/empty-snow/stable-fast-3d.git

1727330054443_68ec4e39_12276338.png

出现以上页面即是克隆项目成功！

请注意，如果 git clone https://github.com/Stability-AI/stable-fast-3d.git 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

2.5 创建虚拟环境

# 创建一个名为 StableFast3D 的新虚拟环境，并指定 Python 版本为 3.12
conda create -n StableFast3D python=3.12

1727330061799_d4bb8755_12276338.png

输入 y

1727330065598_def83b40_12276338.png

2.6 安装模型依赖库：

  • 切换到项目目录、激活虚拟环境、安装依赖
# 切换到 stable-fast-3d 项目工作目录
cd stable-fast-3d

# 激活 StableFast3D 虚拟环境
conda activate StableFast3D

# 更新 setuptools
pip install -U setuptools==69.5.1

# 安装 requirements.txt 依赖
pip install -r requirements.txt

1727330073089_2b7beff2_12276338.png

出现以上报错，需要修改 requirements.txt 文件

vim requirements.txt

1727330079109_1f9cb63c_12276338.png

整体替换为：

einops==0.7.0
jaxtyping==0.2.31
omegaconf==2.3.0
transformers==4.42.3
slangtorch==1.2.2
open_clip_torch==2.24.0
trimesh==4.4.1
numpy==1.26.4
huggingface-hub==0.23.4
rembg[gpu]==2.0.57
git+https://gitee.com/empty-snow/PyNanoInstantMeshes.git
gpytoolbox==0.2.0
  • 再次执行安装代码
# 切换到 stable-fast-3d 项目工作目录
cd /stable-fast-3d

# 激活 StableFast3D 虚拟环境
conda activate StableFast3D

# 更新 setuptools
pip install -U setuptools==69.5.1

# 安装 requirements.txt 依赖
pip install -r requirements.txt

1727330089530_59a67c2f_12276338.png

出现以上报错，需要手动安装

apt-get update
apt-get install build-essential cmake
pip install gpytoolbox

1727330094068_f5071470_12276338.png

继续安装 requirements-demo.txt 依赖

# 安装 requirements-demo.txt 依赖
pip install -r requirements-demo.txt

1727330098490_0d281e0e_12276338.png

  • 依赖安装成功如下图所示：

1727330102429_39cc5839_12276338.png

运行 gradio_app.py 文件，检查依赖是否安装成功：

python gradio_app.py

1727330112699_e3d14d81_12276338.png

继续根据报错安装相关依赖：

pip install rembg

1727330121908_773dbaf8_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330128448_3d8c8796_12276338.png

继续根据报错安装相关依赖：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

输入 y

1727330134062_af597d87_12276338.png

等待安装完成

1727330140049_12f8be50_12276338.png

1727330143236_05b74d24_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330147839_9f25617c_12276338.png

继续根据报错安装相关依赖：

pip install jaxtyping

1727330155146_656c814a_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330159866_55ab4042_12276338.png

继续根据报错安装相关依赖：

pip install omegaconf

1727330164518_1fca29a1_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330169252_f3ad1f9a_12276338.png

继续根据报错安装相关依赖：

pip install trimesh

1727330173369_de91e6fc_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330177780_96896bd5_12276338.png

继续根据报错安装相关依赖：

pip install einops

1727330217086_dfac1432_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330235726_4651116a_12276338.png

继续根据报错安装相关依赖：

pip install safetensors

1727330247735_5eb42add_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330253737_253e532a_12276338.png

继续根据报错安装相关依赖：

pip install pynim

1727330259270_0c712b5a_12276338.png

继续运行 gradio_app.py 文件：

python gradio_app.py

1727330264576_db2e4700_12276338.png

继续根据报错安装相关依赖：

pip install slangtorch

1727330269380_809b0019_12276338.png

2.7 下载预训练模型：

  • 官网没有说明模型名称，只能执行 gradio_app.py 文件进行尝试：
python gradio_app.py

1727330280261_89160df5_12276338.png

等待以上 /root/.u2net/u2net.onnx 文件下载完成，断联之后多尝试几次：

1727330285672_799092b3_12276338.png

根据以上报错提示，进入 Hugging Face 官网或者 HF Mirror 国内镜像进行模型搜索、下载，此处演示 HF Mirror 国内镜像：

1727330304156_bbd749f4_12276338.png

1727330307555_ca147dc2_12276338.png

# 下载模型
git lfs install
git clone https://hf-mirror.com/stabilityai/stable-fast-3d stabilityai/stable-fast-3d

1727330312974_fb97dda9_12276338.png

此模型无法通过 Hugging Face 官网或者 HF Mirror 国内镜像进行下载，则使用 魔塔社区 进行尝试：

# 下载模型
git lfs install
git clone https://www.modelscope.cn/maple77/stable-fast-3d.git stabilityai/stable-fast-3d

1727330331769_5dc4e576_12276338.png

再次运行 gradio_app.py 文件

# 运行 gradio_app.py 文件
python gradio_app.py

1727330400370_1bb5106c_12276338.png

等待以上文件下载完成

1727330412488_faaa529a_12276338.png

继续根据报错安装相关依赖：

pip install transformers

1727330420121_d2e4048f_12276338.png

再次运行 gradio_app.py 文件

# 运行 gradio_app.py 文件
python gradio_app.py

1727330431096_926b190f_12276338.png

出现以上报错，需要继续安装 facebook/dinov2-large 模型：

1727330437376_3df846d8_12276338.png

1727330440359_252286f6_12276338.png

# 下载模型
git lfs install
git clone https://hf-mirror.com/facebook/dinov2-large facebook/dinov2-large

1727330444716_614277b0_12276338.png

再次运行 gradio_app.py 文件

# 运行 gradio_app.py 文件
python gradio_app.py

1727330454139_762e415f_12276338.png

出现以上报错，需要继续安装 laion/CLIP-ViT-B-32-laion2B-s34B-b79K 模型：

# 下载模型
git lfs install
git clone https://hf-mirror.com/laion/CLIP-ViT-B-32-laion2B-s34B-b79K laion/CLIP-ViT-B-32-laion2B-s34B-b79K

1727330472616_bdaf97fe_12276338.png

再次运行 gradio_app.py 文件

# 运行 gradio_app.py 文件
python gradio_app.py

1727330540467_a2358e46_12276338.png

继续根据报错安装相关依赖：

pip install open_clip_torch

1727330547086_c76beec3_12276338.png

再次运行 gradio_app.py 文件

# 运行 gradio_app.py 文件
python gradio_app.py

1727330571147_ba3ee310_12276338.png

再次运行 gradio_app.py 文件

# 切换到 stable-fast-3d 项目工作目录
cd /stable-fast-3d

# 激活 StableFast3D 虚拟环境
conda activate StableFast3D

# 设置 huggingface 加速
export HF_ENDPOINT=https://hf-mirror.com

# 运行 gradio_app.py 文件
python gradio_app.py

1727330584583_30e44159_12276338.png

等待模型下载完成

1727330589119_0f0ccada_12276338.png

出现以上问题，需要重新安装 slangtorch 依赖包

pip install slangtorch==1.2.2

1727330594620_f1815809_12276338.png

2.8 运行 gradio_app.py 文件

# 切换到 stable-fast-3d 项目工作目录
cd /stable-fast-3d

# 激活 StableFast3D 虚拟环境
conda activate StableFast3D

# 设置 huggingface 加速
export HF_ENDPOINT=https://hf-mirror.com

# 运行 gradio_app.py 文件
python gradio_app.py

1727330600831_5a953f94_12276338.png

出现以上访问链接，则代表模型已经部署成功，现在还需要修改访问IP和端口号：

# 切换到 stable-fast-3d 项目工作目录
cd /stable-fast-3d

# 激活 StableFast3D 虚拟环境
conda activate StableFast3D

# 设置 huggingface 加速
export HF_ENDPOINT=https://hf-mirror.com

# 设置 Gradio 服务器名称和端口
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080

# 运行 gradio_app.py 文件
python gradio_app.py

1727330606449_f7671fff_12276338.png

三、Web页面

最后出现以下 gradio 页面，即是模型已搭建完成。

1727330612032_47cec42f_12276338.png

博客
B站最新开源：最强动漫视频生成模型Index-AniSora本地部署教程，专为二次元打造
05-23 911
该项目展示了 Bilibili 为动漫世界带来的礼物——Index-AniSora，最强大的开源动漫视频生成模型。它支持一键创建多种动漫风格的视频片段，包括系列剧集、中国原创动画、漫画改编、VTuber 内容、动漫 PV、鬼畜动画等！由我们被 IJCAI'25 接受的工作AniSora: 探索天空时代动画视频生成的前沿提供支持。动画在最近的影视行业中引起了极大的兴趣。尽管像 Sora、Kling 和 CogVideoX 这样的先进视频生成模型在生成自然视频方面取得了成功，但在处理动画视频时却缺乏同样的效果。
博客
Claude 4震撼发布！7小时编程封王，AI下一站：智能体对决时代来临
05-23 578
Claude 迎来重磅升级：7 小时自主编程改写人机协作模式，更揭示了AI的下一战。
博客
国产AI登顶时刻：全球首个“AI版Office”登顶榜首，办公领域迎来颠覆性变革
05-22 558
AI版Office时代来临：传统的Office软件，即将被彻底颠覆。
博客
历史性时刻！谷歌I/O大会揭幕：AI生态全面进化，六大维度重塑科技未来
05-21 485
刚刚结束的谷歌I/O大会受到全球瞩目。而谷歌，也再次走到了AI前沿。
博客
动漫党福音！B站开源最强动漫视频生成模型，专为二次元打造
05-20 398
B站开源首个专为二次元视频生成打造的AI模型Index-AniSora，不仅支持多元风格的一键生成，更凭借IJCAI25多项SOTA成绩与千万级高质量数据训练，成为最强动漫视频生成模型。
博客
LTX-Videov本地部署教程：时空扩散+多尺度渲染，重塑AI视频研究范式
05-20 785
ComfyUI是一个强大的、模块化的界面与后端项目。该用户界面将允许用户使用基于图形/节点/流程图的界面设计和执行高级稳定的扩散管道。目前全面支持SD1.xSD2.xSDXLSD3和命令行选项：--lowvram使其在显存小于 1GB 的 GPU 上运行（在显存较低的 GPU 上自动启用）即使没有 GPU，也可以工作：--cpu（慢）可以加载ckpt和。独立 VAE 和 CLIP 模型从生成的 PNG 文件加载完整的工作流程（带有种子）将工作流程保存/加载为 Json 文件。
博客
MatterGen本地部署教程：逆向材料设计新范式——扩散模型驱动，一键生成未来材料！
05-19 1046
MatterGen 是一种用于跨周期表设计无机材料的生成模型，可以微调以引导生成满足广泛性能约束条件。MatterGen 的基础模型在生成新颖、稳定且多样化的材料方面已达到领先水平（如图所示）。该模型利用来自。
博客
GenSpark全球首发Agentic AI下载代理，文件管理迈入「智能体时代」
05-19 392
自从ChatGPT掀起大模型热潮后，AI Agent正以惊人的速度渗透进人类工作的毛细血管。近期，信息处理和文件管理领域也迎来了AI代理。
博客
梁文锋署名，DeepSeek-V3新论文揭秘：低成本大模型训练如何突破算力瓶颈？
05-16 338
梁文锋团队DeepSeek-V3论文揭秘低成本大模型训练新范式，技术创新如何突破算力瓶颈、引领AI发展新方向？
博客
FramePack-F1本地部署教程：从 FramePack 到 F1：单向预测，动态无界
05-15 1296
FramePack-F1 是一个 FramePack 模型，它只从历史帧中预测未来的帧。F1 表示“向前”版本 1，表示其预测方向（它估计向前，而不是向后估计）。此单向模型比双向默认模型受到的约束更少。更大的差异和更多的动态将可见。FramePack 是一种用于逐步生成视频的下一帧（下一帧部分）预测神经网络结构。FramePack 将输入上下文压缩到固定长度，以便生成工作量与视频长度无关。即使在笔记本电脑 GPU 上，FramePack 也能用 13B 模型处理非常多的帧。
博客
中国医疗AI杀出黑马！全球首个女性肿瘤 AI 大模型 “木兰” 上线，手机端免费用
05-15 452
在医学与人工智能深度融合的浪潮中，中国团队的一项突破性成果正为全球女性健康领域注入强劲动力。
博客
字节最强多模态大模型发布！20 B参数横扫38项第一，性能直逼Gemini 2.5 Pro
05-14 368
当其他AI巨头还在比拼万亿参数时，字节跳动用20B的全新多模态大模型，横扫各大权威测试榜单，拿下了多项SOTA。
博客
让AI开发像搭积木一样简单！Dify本地部署教程：你的全能AI开发引擎
05-14 1197
是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。
博客
全球首个设计Agent来了！从创意到整套视觉方案，一句话完成
05-13 690
全球首个AI设计Agent Lovart横空出世，一句话生成全套视觉方案，“甲方终结者”来了？
博客
FramePack本地部署教程：6GB显存即可生成高质量视频，彻底摆脱显存线性依赖！
05-12 766
FramePack 由ControlNet之父张吕敏团队研发，是一种用于逐步生成视频的下一帧（下一帧部分）预测神经网络结构。FramePack 将输入上下文压缩到固定长度，以便生成工作量与视频长度无关。即使在笔记本电脑 GPU 上，FramePack 也能用 13B 模型处理非常多的帧。FramePack 可以用比图像扩散训练更大的批处理大小进行训练。由于是逐帧（或逐段）预测，您将直接看到生成的帧，因此在整个视频生成之前，您会获得大量的视觉反馈。针对视频生成中的。
博客
通义千问席卷日本！开源界“卷王”阿里通义千问成为日本AI发展新基石
05-12 758
在当今全球人工智能技术日新月异的背景下，阿里通义千问正凭借强大的性能和开源生态，在日本AI领域掀起了一场前所未有的变革。
博客
全球首款无限时长电影生成模型SkyReels-V2本地部署教程：视频时长无限制！
05-09 1059
SkyReels-V2 模型集成了多模态大语言模型（MLLM）、多阶段预训练、强化学习以及创新的扩散强迫（Diffusion-forcing）框架，实现了在提示词遵循、视觉质量、运动动态以及视频时长等方面的全面突破。通过扩散强迫框架和 多阶段优化技术 ，首次实现了单镜头 30 秒、40 秒的流畅输出，并通过“ Extend ”无限延伸，彻底打破了时长枷锁。
博客
美国欲解禁AI芯片？科技博弈背后：万亿算力揭示AI竞赛本质
05-09 1476
在AI竞赛中，算力已成为国家战略能力的核心。美国对AI芯片出口管制的松紧，折射出全球算力博弈的激烈与复杂。
博客
告别单模态局限！MM-Diff本地部署教程：多模态时代的生产力引擎
05-08 1334
MM-Diff：通过多模态条件集成实现高保真图像个性化MM-Diff，这是一个统一且无需调整的图像个性化框架，能够在几秒钟内生成单个和多个主题的高保真图像。在左侧，视觉增强文本嵌入和一小组细节丰富的主题嵌入通过精心设计的多模态交叉注意注入扩散模型。在右侧，我们说明了使用 LoRA 创新实现交叉注意力的细节，以及促进多主体生成的注意力约束。
博客
华为昇腾NPU新突破！国产算力如何重塑万亿参数大模型训练格局？
05-08 1267
华为昇腾NPU成功突破准万亿参数大模型训练！AI算力革命下，国产算力正在开启新篇章。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值