LBM Normals

🚀 法線推定のための潜在ブリッジマッチング ✨

潜在ブリッジマッチング (LBM) は、LBM: Latent Bridge Matching for Fast Image-to-Image Translation で提案された、潜在空間におけるブリッジマッチングに基づいて高速な画像変換を実現する、新しく汎用性が高く拡張性のある手法です。 このモデルは、与えられた入力画像から法線マップを推定するように学習されています。 画像のリライティングのライブデモと公式のGithubリポジトリもご覧ください。

🚀 クイックスタート

このモデルを使用するには、まず関連する lbm ライブラリを次のコマンドを実行してインストールする必要があります。

pip install git+https://github.com/gojasper/LBM.git

その後、入力画像に対してモデルを使用して推論を行うことができます。

import torch
from PIL import Image
from lbm.inference import evaluate, get_model

# モデルの読み込み
model = get_model(
  "jasperai/LBM_relighting",
  torch_dtype=torch.bfloat16,
  device="cuda",
)

# ソース画像の読み込み
source_image = Image.open("your_image")

# 推論の実行
output_image = evaluate(model, source_image, num_sampling_steps=1)

💻 使用例

基本的な使用法

import torch
from PIL import Image
from lbm.inference import evaluate, get_model

# モデルの読み込み
model = get_model(
  "jasperai/LBM_relighting",
  torch_dtype=torch.bfloat16,
  device="cuda",
)

# ソース画像の読み込み
source_image = Image.open("your_image")

# 推論の実行
output_image = evaluate(model, source_image, num_sampling_steps=1)

📚 詳細ドキュメント

メトリクス

このモデルは、以下のメトリクスを達成しています。

📄 ライセンス

このコードは、Creative Commons BY - NC 4.0ライセンスの下で公開されています。

引用

この研究が役に立った場合、またはあなたの研究で使用した場合は、以下のように引用してください。

@article{chadebec2025lbm,
      title={LBM: Latent Bridge Matching for Fast Image-to-Image Translation}, 
      author={Clément Chadebec and Onur Tasar and Sanjeev Sreetharan and Benjamin Aubin},
      year={2025},
      journal = {arXiv preprint arXiv:2503.07535},
}