This media is not supported in your browser
VIEW IN TELEGRAM
Modality Forcing
Метод дообучения генераторов картинок для предсказания глубины. Работает на моделях DiT, обученных на редких (sparse) данных о глубине без сложных схем и массивов данных
#SOTA на 4 из 5 бенчмарков по предсказанию глубины
Зачем компании с названием WorldLabs учить картинкогенераторы качественно предсказывать глубину? Ага
Гитхаб
Демо
HF - на базе Flux.2
#i2d #image2depth #finetuning
Метод дообучения генераторов картинок для предсказания глубины. Работает на моделях DiT, обученных на редких (sparse) данных о глубине без сложных схем и массивов данных
#SOTA на 4 из 5 бенчмарков по предсказанию глубины
Зачем компании с названием WorldLabs учить картинкогенераторы качественно предсказывать глубину? Ага
Гитхаб
Демо
HF - на базе Flux.2
#i2d #image2depth #finetuning
👍4
Iris-3B
Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.
• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу
• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA
Альтернатива vision-фундаментам вроде DINOv2
huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Демо -апскейлер неплох
Спасибо @m_franz
#imagerestoration #i2d #depth #t2i
MAX
Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.
• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу
• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA
Альтернатива vision-фундаментам вроде DINOv2
huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Демо -апскейлер неплох
Спасибо @m_franz
#imagerestoration #i2d #depth #t2i
MAX
🔥14❤1👍1