ttps://github.com/3DTopia/3DTopia

ttps://github.com/camenduru/3DTopia-jupyter

stage 1 - step 1(T4跑不动,别用T4 run)

这个a_dragon_0_0.ply就是 24-1-16 16:33
text to 3D_shap-e.
https://t.cn/A6jX0dUM

---------------------
%cd /content
!git clone -b dev https://t.cn/A6jX0dU6

!git clone -b dev https://t.cn/A6jX0dUJ
%cd /content/threefiner
!pip install .

%cd /content/3DTopia

!apt -y install -qq aria2
!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://t.cn/A6jX0dUS -d /content/3DTopia/checkpoints -o 3dtopia_diffusion_state_dict.ckpt

!pip install -q pymcubes trimesh pytorch_lightning omegaconf einops wandb git+https://t.cn/A6qBislP kornia open-clip-torch
!pip install -q https://t.cn/A6jX0dUK
!pip install -q https://t.cn/A6jX0dUi
!pip install -q threefiner

# stage 2 - step 1

!threefiner sd --mesh results/default/stage1/a_dragon_0_0.ply --prompt "a dragon" --text_dir --front_dir='-y' --outdir results/default/stage2/ --save a_dragon_1_0_sd.glb --force_cuda_rast

text to 3D_shap-e.

#存储库克隆到你的 Google Colab Notebook
!git clone https://t.cn/A6NRWmuS

#进入 shap-e目录并安装依赖包：
%cd shap-e
!pip install -e .

#导入所有必需的库
import torch

from shap_e.diffusion.sample import sample_latents
from shap_e.diffusion.gaussian_diffusion import diffusion_from_config
from shap_e.models.download import load_model, load_config
from shap_e.util.notebooks import create_pan_cameras, decode_latent_images, gif_widget

#将设备设置为 cuda（如果可用），否则设置为 cpu。
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

#加载模型和权重。
xm = load_model('transmitter', device=device)
model = load_model('text300M', device=device)
diffusion = diffusion_from_config(load_config('diffusion'))

#在这里我们将生成 3D 模型。
batch_size = 1 # this is the size of the models, higher values take longer to generate.
guidance_scale = 15.0 # this is the scale of the guidance, higher values make the model look more like the prompt.
prompt = "a dragon" # this is the prompt, you can change this to anything you want.

latents = sample_latents(

batch_size=batch_size,

model=model,

diffusion=diffusion,

guidance_scale=guidance_scale,

model_kwargs=dict(texts=[prompt] * batch_size),

progress=True,

clip_denoised=True,

use_fp16=True,

use_karras=True,

karras_steps=64,

sigma_min=1E-3,

sigma_max=160,

s_churn=0,
)

#渲染 3D 模型，使用 render_mode = 'nerf' 神经辐射场 (NeRF) 来渲染 3D 模型。 你可以将其更改为 render_mode = 'stf' 以使用风格传递函数 (STF) 渲染模式渲染 3D 模型。

render_mode = 'nerf' # you can change this to 'stf'
size = 64 # this is the size of the renders, higher values take longer to render.

cameras = create_pan_cameras(size, device)
for i, latent in enumerate(latents):

images = decode_latent_images(xm, latent, cameras, rendering_mode=render_mode)

display(gif_widget(images))

-------------
ttps://zhuanlan.zhihu.com/p/648809062

ttps://github.com/camenduru#-3d-ml-papers

#spaceweather天文酷图##天文酷图#
【极光 20240104083844】
乔纳森·库珀 (Jonathan Cooper) 于 2018 年 1 月 31 日拍摄于英国坎布里亚郡 Shap
【拍摄参数】
使用的相机： 不可用 不可用
曝光时间： 不可用
光圈： 不可用
ISO：不可用
拍摄日期： 不可用
【详细说明】
不幸的是，时间很短，很快就阴云密布——但晚上 10:30 左右，极光开始在北部地平线上发出绿光——这是我今年冬天第一次看到它
来源：Spaceweather
版权：Jonathan Cooper
翻译：baidu*

*：此为机器翻译且未人工审核，可能有不通顺的地方。
【相关知识】
天文学是一门研究天体和天文现象的自然科学。它使用数学、物理和化学来解释它们的起源和演化。天文学的研究对象包括：行星、卫星、恒星、星云、星系和彗星等天体，以及超新星爆炸、伽马射线暴、类星体、耀变体、脉冲星和宇宙微波背景辐射等天文现象。更通俗地说，天文学研究起源于地球大气层之外的一切事物。宇宙学是天文学的一个分支，从整体上研究宇宙。
发布时间：2024年01月04日08时39分03秒天文 超话