NormalCrafter开源项目安装与配置指南
2025-04-18 12:33:22作者:咎岭娴Homer
1. 项目基础介绍
NormalCrafter 是一个开源项目,旨在从开放世界的视频中生成具有细粒度细节的时序一致性法线序列。该项目由 Yanrui Bin 等人开发,利用视频扩散先验技术,可以处理任意长度的视频,并生成高质量的法线序列。
主要编程语言:Python
2. 项目使用的关键技术和框架
- 视频扩散先验:项目核心算法,用于生成时序一致性的法线序列。
- PyTorch:深度学习框架,用于模型的训练和推理。
- Gradio:用于创建Web界面,方便用户在线演示项目功能。
3. 项目安装和配置的准备工作与详细步骤
准备工作
- 确保你的系统中已经安装了 Python(推荐版本 3.6 及以上)。
- 安装 Git 以克隆项目仓库。
- 准备一个具有适当内存的 GPU,以便进行高性能的推理计算。
安装步骤
-
克隆项目仓库到本地
打开终端(或命令提示符),输入以下命令:
git clone git@github.com:Binyr/NormalCrafter.git -
安装项目依赖
进入项目目录,使用 pip 安装 requirements.txt 文件中列出的依赖:
cd NormalCrafter pip install -r requirements.txt -
运行示例
为了快速体验项目,你可以运行一个本地演示。在项目目录中,执行以下命令来启动 Gradio 服务:
python app.py在浏览器中打开 http://localhost:7860,你应该能看到 NormalCrafter 的在线演示界面。
-
进行推理
如果你想对视频文件进行法线序列生成,可以使用项目提供的推理脚本。根据你 GPU 的内存大小,选择适当的分辨率进行推理。
-
对于 ~20GB 内存的高分辨率推理(1024x576):
python run.py --video-path examples/example_01.mp4 -
对于 ~6GB 内存的低分辨率推理(512x256):
python run.py --video-path examples/example_01.mp4 --max-res 512
-
确保按照上述步骤操作,你将能够成功安装和配置 NormalCrafter 项目,并开始生成时序一致的法线序列。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30