Spaces:
				
			
			
	
			
			
		Sleeping
		
	
	
	
			
			
	
	
	
	
		
		
		Sleeping
		
	Merge branch #yanranxiaoxi/image-upscale' into 'yanranxiaoxi/image-upscale-cpu'
Browse files
    	
        app.py
    CHANGED
    
    | 
         @@ -247,9 +247,7 @@ with gr.Blocks() as demo: 
     | 
|
| 247 | 
         
             
                with gr.Row():
         
     | 
| 248 | 
         
             
                    gr.Markdown("""
         
     | 
| 249 | 
         
             
                    # 图像升维计算模型:EMU Video 的衍生尝试
         
     | 
| 250 | 
         
            -
             
     | 
| 251 | 
         
             
                    我们利用视频扩散模型作为多视图数据生成器,从而促进可扩展 3D 生成模型的学习。以下展示了视频扩散模型作为多视图数据引擎的潜力,能够生成无限规模的合成数据以支持可扩展的训练。我们提出的模型从合成数据中学习,在生成 3D 资产方面表现出卓越的性能。
         
     | 
| 252 | 
         
            -
             
     | 
| 253 | 
         
             
                    除了当前状态之外,我们的模型还具有高度可扩展性,并且可以根据合成数据和 3D 数据的数量进行扩展,为 3D 生成模型铺平了新的道路。
         
     | 
| 254 | 
         
             
                    """)
         
     | 
| 255 | 
         | 
| 
         @@ -304,4 +302,4 @@ with gr.Blocks() as demo: 
     | 
|
| 304 | 
         | 
| 305 | 
         
             
            demo.launch(
         
     | 
| 306 | 
         
             
                # auth=(os.environ.get('AUTH_USERNAME'), os.environ.get('AUTH_PASSWORD'))
         
     | 
| 307 | 
         
            -
            )
         
     | 
| 
         | 
|
| 247 | 
         
             
                with gr.Row():
         
     | 
| 248 | 
         
             
                    gr.Markdown("""
         
     | 
| 249 | 
         
             
                    # 图像升维计算模型:EMU Video 的衍生尝试
         
     | 
| 
         | 
|
| 250 | 
         
             
                    我们利用视频扩散模型作为多视图数据生成器,从而促进可扩展 3D 生成模型的学习。以下展示了视频扩散模型作为多视图数据引擎的潜力,能够生成无限规模的合成数据以支持可扩展的训练。我们提出的模型从合成数据中学习,在生成 3D 资产方面表现出卓越的性能。
         
     | 
| 
         | 
|
| 251 | 
         
             
                    除了当前状态之外,我们的模型还具有高度可扩展性,并且可以根据合成数据和 3D 数据的数量进行扩展,为 3D 生成模型铺平了新的道路。
         
     | 
| 252 | 
         
             
                    """)
         
     | 
| 253 | 
         | 
| 
         | 
|
| 302 | 
         | 
| 303 | 
         
             
            demo.launch(
         
     | 
| 304 | 
         
             
                # auth=(os.environ.get('AUTH_USERNAME'), os.environ.get('AUTH_PASSWORD'))
         
     | 
| 305 | 
         
            +
            )
         
     |