Dies ist die Linux-App namens Shap-E, deren neueste Version als shap-esourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Shap-E mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS:
Form
BESCHREIBUNG:
Das Shap-E-Repository enthält den offiziellen Code und die Modellfreigabe für Shap-E, ein bedingtes generatives Modell zur Erzeugung von 3D-Assets (implizite Funktionen, Meshes, neuronale Strahlungsfelder) aus Text- oder Bildeingaben. Das Modell basiert auf einer zweistufigen Architektur: zunächst ein Encoder, der vorhandene 3D-Assets in Parametrisierungen impliziter Funktionen abbildet, und dann ein bedingtes Diffusionsmodell, das anhand dieser Parametrisierungen trainiert wird, um neue Assets zu erzeugen. Da Shap-E auf der Ebene impliziter Funktionen arbeitet, kann es sowohl texturierte Meshes als auch volumetrische Renderings im NeRF-Stil ausgeben. Das Repository enthält Beispiel-Notebooks (z. B. sample_text_to_3d.ipynb, sample_image_to_3d.ipynb), damit Benutzer die Generierung von Text → 3D oder Bild → 3D ausprobieren können. Der Code wird unter der MIT-Lizenz vertrieben und enthält eine „Modellkarte“, die Einschränkungen, empfohlene Verwendung und ethische Überlegungen dokumentiert.
Eigenschaften
- Bedingte Generierung impliziter 3D-Funktionsmodelle aus Text oder Bildern
- Zweistufige Modellarchitektur: Encoder + Diffusion über impliziten Parameterraum
- Ausgabe in mehreren Darstellungen: Netze, NeRF-Renderings
- Beispiel-Notebooks für Text23D- und Image23D-Anwendungsfälle
- Modellkarte zur Dokumentation von Einschränkungen, Verzerrungen und Nutzungshinweisen
- MIT-lizenzierter Code, der Wiederverwendung und Erweiterung ermöglicht
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/shap-e.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.