К содержимому
Другое

DiTGS

3D-реконструкция по позам камер

1 мин чтенияобновлено

DiTGS — исследовательский чекпоинт для 3D-гауссовой реконструкции сцен по изображениям с известными позами камер. Он основан на дообученном трансформере FlashWorld/Wan 2.2 и энкодере TokenGS, а код, установка и обучение вынесены в отдельный репозиторий. Это кастомная PyTorch-модель, а не Diffusers-пайплайн from_pretrained.

Ключевые особенности

  • Восстанавливает 3D-сцену по posed images и intrinsics/extrinsics камер, а не по неразмеченным изображениям.
  • Чекпоинт объединяет дообученный FlashWorld/Wan transformer, замороженные Wan VAE и TokenGS image encoder, дообученный GS decoder/head и новый adapter.
  • Включает независимые DiT-memory attention/KV/LayerScale ветки, кэш пустого промпта и буферы нормализации/rotary.
  • Размер файла — около 22.055 ГБ; для инференса нужен CUDA GPU, но минимальные требования к VRAM в карточке не установлены.
  • Лицензия CC BY-NC-SA 4.0: только некоммерческие академические исследования.

Пример

hf download qyk21/DiTGS --local-dir weights/ditgs
bash scripts/infer.sh 1 --checkpoint weights/ditgs/model.pt --data-root /path/to/DL3DV/benchmark --output outputs/residual/dl3dv_1view
ПодробнееЧекпоинт — raw final main-model после 10 000 warmup и 20 000 joint-обновлений; это не EMA и не ablation-чекпоинт.
Бенчмарк DL3DV: 2-view индекс содержит 140 сцен и 50 целевых кадров на сцену; 1-view берёт первый контекстный кадр.
Инференс по умолчанию: 8 DiT camera slots, Euler NFE=1, seed=42, 256x448, без test-time optimization.
CUDA-проверки скорости и качества при публикации не перезапускались; минимальная VRAM не установлена.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 21 GB · готовые файлы23 GB
  • FP8 / INT8рекомендуемвеса 10 GB12 GB
  • 4-bitвеса 5.8 GB6.9 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 5070 · BF16 — от RTX 4090

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.

    # qyk21/DiTGS
    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 qyk21/DiTGS --local-dir ~/models/DiTGS
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DiTGS
  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.

  • 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 (2)
    • 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.
  • 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

Дообучение модели

Wan-AI/Wan2.2-TI2V-5B-Diffusers

Новые посты про версии Wan2.2-TI2V-5B-Diffusers — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face

О модели

qyk21/DiTGS
Автор
qyk21
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Видео

NAVA

NAVA
Видео

MoPlan

MoPlan