LBM Normals

🚀 潛在橋接匹配法線估計

潛在橋接匹配（LBM）是一種全新的、通用且可擴展的方法，該方法在論文 LBM: Latent Bridge Matching for Fast Image-to-Image Translation 中被提出。它藉助潛在空間中的橋接匹配來實現快速的圖像到圖像轉換。此模型經過訓練，可根據給定的輸入圖像估計法線圖。 你還可以查看我們用於圖像重光照的 在線演示 以及官方 Github 倉庫。

🚀 快速開始

要使用此模型，你首先需要安裝相關的 lbm 庫，運行以下命令：

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

然後，你可以在輸入圖像上使用該模型進行推理：

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

# 加載模型
model = get_model(
  "jasperai/LBM_relighting",
  torch_dtype=torch.bfloat16,
  device="cuda",
)

# 加載源圖像
source_image = Image.open("your_image")

# 進行推理
output_image = evaluate(model, source_image, num_sampling_steps=1)

💻 使用示例

基礎用法

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

# 加載模型
model = get_model(
  "jasperai/LBM_relighting",
  torch_dtype=torch.bfloat16,
  device="cuda",
)

# 加載源圖像
source_image = Image.open("your_image")

# 進行推理
output_image = evaluate(model, source_image, num_sampling_steps=1)

📚 詳細文檔

指標

此模型取得了以下指標：

許可證

此代碼遵循 知識共享署名 - 非商業性使用 4.0 國際許可協議 發佈。

引用

如果你發現這項工作有用或在你的研究中使用了它，請考慮引用我們：

@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},
}

信息表格