一、模型概述
Stable Zero123 是由 Stability AI 开发的一种视角条件（view-conditioned）的图像生成模型，基于 Zero123 的核心技术构建。在数据渲染和模型条件优化策略上进行了改进，使其在性能上优于原始 Zero123 以及后续版本 Zero123-XL。
其主要应用方向是图像到 3D 的生成（Image-to-3D），并通过结合 Score Distillation Sampling（SDS）技术，可以从任意输入图像生成高质量的 3D 模型。此外，还支持通过文本到图像生成（Text-to-Image）进行间接的文本到 3D（Text-to-3D）生成，这使得 Stable Zero123 成为 3D 内容创作的重要工具之一。
二、应用方向
Stable Zero123 在多个领域具有广泛的应用潜力：
-
3D 内容创作
使用该模型可以从单张图像快速生成 3D 模型，适用于影视、游戏和虚拟现实（VR/AR）领域的 3D 内容制作，显著提升生产效率。 -
教育与研究
提供开放的代码和模型支持，适合学术研究者探索 3D 生成领域的新技术与新方法。 -
电子商务与设计
商业用户可以通过 Stable Zero123C 版本（支持商业用途），生成符合需求的高质量 3D 产品展示模型，如服装、家具等。 -
智能交互与机器人
从图像或文本生成 3D 模型，用于机器人环境感知与交互设计。
三、使用指南
使用 Stable Zero123 生成 3D 模型主要包含以下步骤：
安装环境
安装 threestudio（推荐用于 3D 模型生成的工具）。
准备模型检查点文件
下载 Stable Zero123 的检查点文件（stable_zero123.ckpt），存放到 load/zero123/ 目录下。
处理图像输入
获取目标图像：可以通过任意 AI 图像生成器（例如 Stable Assistant）生成。
去除图像背景：通过 Stable Assistant 移除背景，并保存为 .png 文件（建议使用 _rgba.png 后缀）。
运行模型生成
运行以下命令生成 3D 模型：
python launch.py --config configs/stable-zero123.yaml --train --gpu 0 data.image_path=./load/images/your_image_rgba.png
结果优化
使用 SDS 技术可以进一步优化生成结果，生成逼真的 3D 模型网格。
四、训练细节
训练数据
模型训练使用了 Objaverse 数据集，并通过增强渲染方法提高数据质量。
训练基础设施
硬件：模型在 Stability AI 的集群上完成训练，使用单节点的 8 张 A100 80GB GPU。
代码库：基于 Zero123 的开源代码库进行改进和优化。
五、部署学习建议
个人部署->
如果希望在本地环境使用 Stable Zero123，建议具备高性能 GPU（如 A100 或 3090），以支持计算密集型的 3D 生成任务。
熟悉 Python 和 PyTorch 等深度学习框架，以便理解代码逻辑并调整参数满足个性化需求。
学习和了解 Score Distillation Sampling（SDS）技术，可提升生成效果。
社区与学习资源->
通过 Stable Zero123 的官方代码仓库 获取最新的更新和支持。
参与 3D 内容生成的开源社区（如 AllenAI 的 Objaverse 项目），与其他开发者共享经验。
六、注意事项
-
非商业用途版本
Stable Zero123 使用了部分 CC-BY-NC 授权的 3D 对象，因此仅限非商业研究使用。
-
商业用途版本
Stable Zero123C（商业版）仅包含 CC-BY 和 CC0 授权的 3D 对象，可以用于商业项目，需遵守 StabilityAI Community License。
-
内容生成伦理
模型禁止用于生成可能引发敌对、不适或冒犯的图像，包括传播刻板印象或其他不当内容。
七、最后
Stable Zero123 通过强大的图像到 3D 生成能力和开放的技术支持，为研究者和开发者提供了一个探索 3D 内容创作的高效工具。无论是个人学习、教育研究，还是商业应用，它都具备极大的潜力和价值。
附一个AI编写标书工具
