Herramienta de Python para restauración facial ciega: mejora rostros borrosos, de baja calidad o dañados en fotos y videos mediante un transformer con búsqueda en un libro de códigos.
18,2 mil3,7 milPythonOtherActualizado hace 11 meses
world-grow/WorldGrow
Código de investigación de WorldGrow, un método que genera mundos 3D transitables y de extensión abierta bloque a bloque a partir de un bloque semilla, y produce Gaussian splats y mallas.
- Estrellas
- 500
- Forks
- 28
- Issues abiertos
- 7
- Último commit
- hace 11 meses
¿Qué es?
WorldGrow es una implementación de investigación de un marco jerárquico para generar mundos 3D infinitos y de extensión abierta. Parte de un único bloque semilla y amplía el entorno mediante síntesis por bloques y refinamiento de lo general a lo detallado, con el objetivo de lograr una distribución global coherente y geometría y apariencia locales detalladas.
Las escenas generadas se describen como transitables y adecuadas para evaluar navegación y planificación. El script de ejemplo incluido carga desde Hugging Face un pipeline preentrenado, genera un mundo del tamaño elegido en bloques y exporta un video renderizado, una nube de puntos 3DGS (.ply) y una malla (.glb).
El código se basa en el entorno TRELLIS e incluye submódulos modificados de cumm y spconv, que, según el proyecto, son necesarios para sus modelos. Los pesos preentrenados ya están publicados, pero el pipeline de entrenamiento completo y la licencia aún están pendientes.
Funciones clave
- 01Genera mundos 3D explícitos a partir de un único bloque semilla.
- 02Usa síntesis por bloques combinada con refinamiento de lo general a lo detallado.
- 03Exporta videos renderizados, nubes de puntos 3DGS y mallas.
- 04Carga pesos preentrenados desde Hugging Face mediante una API sencilla de Python.
- 05Produce escenas transitables para evaluar navegación y planificación.
Casos de uso
- Generar entornos interiores o sintéticos de gran tamaño para simulaciones de robótica.
- Evaluar algoritmos de navegación y planificación de rutas en escenas creadas de forma procedural.
- Investigar la generación jerárquica de escenas 3D o basada en bloques.
Inicio rápido
- 1
Clona el repositorio con los submódulos
git clone --recurse-submodules https://github.com/world-grow/WorldGrow.git - 2
Configura el entorno siguiendo las instrucciones de instalación de TRELLIS
- 3
Ejecuta el script de ejemplo example_world_grow.py para generar un mundo
Antes de usarlo
- No se especifica ninguna licencia; el README indica que está pendiente de determinar (TBD).
- La inferencia depende de CUDA (el ejemplo llama a pipeline.cuda()), por lo que se necesita una GPU.
- La configuración requiere compilaciones personalizadas de cumm y spconv desde la carpeta submodules, en lugar de los paquetes estándar.
Temas
Preguntas frecuentes
- ¿Qué es WorldGrow?
- Código de investigación de WorldGrow, un método que genera mundos 3D transitables y de extensión abierta bloque a bloque a partir de un bloque semilla, y produce Gaussian splats y mallas. WorldGrow es una implementación de investigación de un marco jerárquico para generar mundos 3D infinitos y de extensión abierta. Parte de un único bloque semilla y amplía el entorno mediante síntesis por bloques y refinamiento de lo general a lo detallado, con el objetivo de lograr una distribución global coherente y geometría y apariencia locales detalladas.
- ¿WorldGrow es gratuito? ¿Qué licencia tiene?
- WorldGrow no declara ninguna licencia. Su código es público, pero sin licencia no tienes permiso explícito para reutilizarlo; consulta al autor antes de depender de él.
- ¿WorldGrow sigue mantenido?
- Sin commits en más de 6 meses. El último commit de WorldGrow fue el 3 dic 2025.
- ¿Para qué puedo usar WorldGrow?
- Generar entornos interiores o sintéticos de gran tamaño para simulaciones de robótica. Evaluar algoritmos de navegación y planificación de rutas en escenas creadas de forma procedural. Investigar la generación jerárquica de escenas 3D o basada en bloques.
- ¿Cómo se instala WorldGrow?
- Clona el repositorio con los submódulos: git clone --recurse-submodules https://github.com/world-grow/WorldGrow.git Configura el entorno siguiendo las instrucciones de instalación de TRELLIS Ejecuta el script de ejemplo example_world_grow.py para generar un mundo
- ¿Dónde consigo WorldGrow?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/world-grow/WorldGrow
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de código abierto basado en PyTorch para deep learning con imágenes médicas, que abarca preprocesamiento, redes, funciones de pérdida y métricas de evaluación.
8,8 mil1,7 milPythonApache-2.0Actualizado hace 22 horas
Biblioteca OCR de Python de código abierto que detecta y reconoce texto en PDF e imágenes con modelos de deep learning basados en PyTorch.
6,4 mil687PythonApache-2.0Actualizado hace 13 horas
Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses
Un LLM de video entrenado con transcripciones de voz en streaming que genera comentarios en tiempo real sobre videos en vivo, presentado en el artículo LiveCC de CVPR 2025.
48059PythonSin licenciaActualizado hace 12 meses
Tutorial comentado de 12 capítulos que enseña a crear y entrenar desde cero, con Python y PyTorch, un GPT pequeño al estilo LLaMA.
4 mil505Jupyter NotebookMITActualizado hace 2 meses