К содержимому
Изображения

LaRenderer

нейронный рендерер 3D-сцен с поддержкой FLUX.2

2 мин чтенияобновлено

LaRenderer преобразует 3D-сцену с материалами PBR, стеклом, зеркалами и точечными источниками света в качественное изображение с любой камеры. Архитектура использует кодирование сцены в разреженные воксели (с помощью TRELLIS.2 SC-VAE) и генерацию латентных представлений через flow-matching декодер с последующим декодированием в sRGB. Модель распространяется в виде полных весов учителя (teacher, 1.071B параметров) и дистиллированного одношагового студента (0.722B параметров), поддерживая четыре режима работы. Инструмент ориентирован на исследователей и разработчиков, занимающихся нейронным рендерингом и генерацией синтеческих 3D-сред.

Ключевые особенности

  • Четыре режима инференса: гибкий выбор между 5-шаговой генерацией (включая pair-sync варианты) и сверхбыстрым одношаговым декодированием.
  • Интеграция сторонних компонентов: модель опирается на мощные внешние сети, включая FLUX.2 VAE и TRELLIS.2 SC-VAE.
  • Эффективная дистилляция: одношаговый студент использует общий с учителем кодировщик сцены для мгновенной генерации.
  • Точная работа с физикой сцены: поддержка зеркал, стекла, точечных источников света и окружения через HDR-карты.

Что можно сделать

  • Рендеринг синтеческих комнат: генерировать качественные изображения процедурно созданных сцен размером около 4 метров.
  • Исследование алгоритмов: тестировать режимы 5-step и 1-step с pair-sync для оценки качества на бенчмарках.
  • Интеграция в пайплайны: использовать веса совместно с репозиторием нейронного рендеринга для подготовки и рендера собственных сцен.

Пример

huggingface-cli download eternity304/LaRenderer --local-dir ./LaRenderer
python scripts/inference/prepare_scene.py --bundle my_scene --out shards/my_scene
python scripts/inference/larender_infer.py --release ./LaRenderer \
    --flux2-vae ./deps/flux2_klein_4b/vae/diffusion_pytorch_model.safetensors \
    --shard shards/my_scene/shard-00000.tar --mode 1step --out renders/my_scene
ПодробнееБенчмарки (Caustic benchmark v1, 24 сцены / 72 вида, 512px): режим 1step_pairsync показывает лучшие результаты (PSNR 23.48, SSIM 0.910, LPIPS 0.121).
Требования к железу и зависимостям: требуются сторонние сети (FLUX.2 VAE, TRELLIS.2 SC-VAE, Qwen-Image VAE), загружаемые отдельно.
Ограничения: модель обучена на комнатах размером около 4 метров, не поддерживает HDR-вывод (выдает display-referred AgX sRGB) и имеет артефакты при близком расположении света к поверхностям.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.0 GB · готовые файлы5.9 GB
  • FP8 / INT8рекомендуемвеса 2.0 GB3.7 GB
  • 4-bitвеса 1.1 GB2.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # eternity304/LaRenderer
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download eternity304/LaRenderer --local-dir ~/models/LaRenderer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LaRenderer
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии LaRenderer — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

eternity304/LaRenderer
Автор
eternity304
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии