1枚の画像がどのようにメッシュになるのかを理解したいなら、Wonder3Dを調べてみる価値があります。v1.0のパイプラインは、256×256のカラー画像を6視点分、それぞれに対応する法線マップとともに生成し、その後に表面を再構成します。こうした中間画像を確認すれば、メッシュの最適化にさらにGPU時間を費やす前に結果を検討できます。制約も重要です。隠れた部分は復元が難しく、正投影カメラを前提としているため、遠近感のある写真では歪みが生じることがあります。文書化されているNeuSによる手法は、GPUメモリの使用量を抑えながら、より滑らかな表面を得やすい一方、時間がかかり、テクスチャの鮮明さが低くなる場合があります。成人向けゲームで使うなら、Wonder3Dは学習用ツール、またはアセット制作の初期実験として捉え、そのうえで実際にカメラが映す距離からメッシュとテクスチャを確認してください。セットアップ、再構成、仕上げの修正もすべてコストに含まれます。
商用利用 & ライセンス
リポジトリのコードはMITライセンスです。文書化されているwonder3d-v1.0チェックポイントとカスタムパイプラインにはAGPL-3.0、学習に用いたベースモデルにはCreativeML OpenRAIL-Mと表記されています。配布やホスト型サービスでの利用の前に、これらの表記の整合性を確認する必要があります。再構成に用いる依存コンポーネントのライセンスは、それぞれ別途確認する必要があります。
成人向けコンテンツのルール
文書化されている学習用ベースモデルのモデルカードでは、同意のないなりすましや、閲覧者の同意なしに性的コンテンツを見せることが認められていません。そのOpenRAILライセンスは、未成年者に危害を加える行為や、その他の違法または有害な用途を禁止しています。チェックポイントのAGPL表記によって、こうした上流の制限の問題が解決するわけではありません。コードがMITライセンスであっても、参照画像、人物、第三者のアセットに関する権利は一切付与されません。使用する重みと依存関係を正確に確認してください。ホスト型のデプロイには、別途条件が加わります。成人向けコンテンツ全般の許可が確認されているわけではありません。
必要なもの
ローカルのPython/CUDAセットアップが文書化されており、PyTorchは1.13.1、Diffusersは0.19.3にバージョンが固定されています。前景のマスキングとメッシュの再構成は、それぞれ別の工程として加わります。現在必要とされるVRAMの最小容量は未確認です。
ランクは、確認したドキュメントに基づく、記載の作業に対する推奨度です。モデルのランクは、性的に露骨な内容を扱わない開発作業を対象としています。実際のベンチマークは行っていません。コンテンツポリシーと商用利用条件は別途確認してください。 ランクの仕組み →