Посібник описує донавчання TRELLIS.2 для 3D-генерації
Новий посібник містить скрипти й Docker-контейнери для адаптації TRELLIS.2 до спеціалізованих наборів 3D-об’єктів. Процес можна запускати локально або через Hugging Face Jobs, попередньо завантаживши меші набору даних до Hugging Face Hub. Експеримент присвячений підвищенню точності геометрії взуття та використовує 188 об’єктів із Google Scanned Objects, який загалом містить 1 030 об’єктів.
Для навчання застосовують адаптери LoRA: вони додають невеликі матриці, що навчаються, тоді як початкові ваги моделі залишаються замороженими. Адаптери підключають до sparse-structure flow DiT і shape flow DiT у TRELLIS.2, оскільки ці компоненти визначають структуру та геометрію об’єкта. Texture flow DiT не змінюють: набір містить карти дифузного кольору із запеченим освітленням, але не має окремих карт матеріалів, потрібних для цього етапу. Загалом конфігурація навчає приблизно 9,3 мільйона параметрів адаптерів.
Контейнер підготовки використовує Blender для створення 16 ракурсів кожного об’єкта та перетворення мешів GLB або OBJ у представлення TRELLIS.2. Потім навчальний контейнер запускає окремі LoRA-задачі для двох DiT-моделей і може завантажувати контрольні точки до Hub. Посібник також пояснює налаштування, моніторинг через Trackio та формат O-Voxel.
Текст підготовлено ШІ Sakhanda Wire за матеріалом Hugging Face. Факти, цитати та повний контекст — в оригінальній статті нижче.