Modelos PartCrafter para objetos e cenas

O PartCrafter fornece ao artista malhas separadas para trabalhar a partir de uma única imagem de referência. O checkpoint para objetos gera as peças de um único objeto; o checkpoint para cenas gera vários objetos em uma cena. Móveis, equipamentos e conjuntos de peças são bons candidatos quando dividir uma única malha seria trabalhoso. O valor da ferramenta depende de quanto trabalho de ajuste essas peças geradas poupam. Elas ainda precisam de nomes claros, pivôs, verificações de interseção e trabalho nos materiais antes de se tornarem um asset utilizável em um jogo. Uma gaveta exportada como um arquivo próprio ainda precisa de alguém que a faça abrir corretamente. Os scripts de inferência fornecidos exportam malhas GLB individuais junto com um modelo combinado, oferecendo um ponto de partida prático para esses ajustes.

Uso comercial & licença

A licença do projeto e as duas fichas oficiais dos checkpoints indicam MIT. Preserve os avisos aplicáveis aos componentes do TripoSG e respeite os termos Apache-2.0 do DINOv2. O exemplo para objetos também carrega o BRIA RMBG-1.4: o uso gratuito é restrito a fins não comerciais, e o uso comercial exige um acordo separado com a BRIA. O pré-processamento opcional com o Gemini está sujeito a termos de serviço separados.

Regras sobre conteúdo adulto

A licença do projeto não concede direitos sobre imagens de referência, a aparência de pessoas ou assets de terceiros. O exemplo para objetos carrega o BRIA RMBG-1.4, cujo uso gratuito é restrito a fins não comerciais; o link para o acordo da versão 1.4 retornou um erro 404, portanto confirme os termos aplicáveis antes do uso comercial ou para conteúdo adulto. O pré-processamento opcional com o Gemini está sujeito à proibição do Google de conteúdo sexualmente explícito, com as exceções que o Google pode conceder a seu critério. Outras implementações hospedadas têm políticas próprias. Não se afirma que exista uma permissão geral para conteúdo adulto.

Leia a política ↗

O que você precisa

A inferência oficial exige uma GPU compatível com CUDA com pelo menos 8 GB de VRAM. A quantidade de peças e o número de tokens por peça afetam o uso de memória; os exemplos usam, por padrão, 1.024 tokens por peça de objeto e 2.048 por objeto de cena. A configuração documentada usa Python 3.11 e PyTorch 2.5.1 com CUDA 12.4.

Os níveis são recomendações para a tarefa descrita, com base na documentação analisada. Os níveis dos modelos abrangem desenvolvimento sem conteúdo sexual explícito. Não realizamos benchmarks práticos. Verifique separadamente as políticas de conteúdo e os termos comerciais. Como os níveis funcionam →