Files
AnyImage/docs/depth-plane.md
nan 1c98b21235 Add model catalog with specifications for DA3 and MoGe-2 models
- Introduced ModelSpec dataclass to define model attributes.
- Added multiple models including DA3 Small, Base, Giant 1.1, Nested Giant Large 1.1, and MoGe-2 variants.
- Implemented functions to retrieve model details and metadata.
- Included BEN2 model specifications for background removal.
2026-08-17 14:53:25 +08:00

7.1 KiB
Raw Blame History

Depth Plane

Image Empty 转深度面片

  1. 在 3D View 选中 Object Type = Empty、Display As = Image 的对象。
  2. 右键打开 SnapForm 子菜单并选择 Convert to Depth Plane,通过 Depth from 选择深度来源:
    • DA3:显示 Model 和 Resolution Scale。ONNX 模型使用 camera decoder 恢复相机。Process Res 先以原图长边乘以 Resolution Scale,再钳制到 252–1008,最后对齐到最接近的 14 倍数。Resolution Scale 以百分比 显示,范围为 1–100%,默认 100%;界面只在标签中实时显示最终 Process Res。 转换导出 mini_npz,使用前需要在 Models panel 下载所选模型,并固定使用 process_res_method="upper_bound_resize";设备和参考视图策略 继续使用场景设置。Model 下拉菜单只列出已经下载的 DA3 模型;若没有可用模型,对话框会引导到 Models panel 下载。
    • MoGe-2:使用所选模型输出 metric depth、normal、validity mask 与 normalized intrinsics。Depth Plane 不保存体积较大的 points;Surface 会在 AI 进程内用内置 NumPy 网格构建生成 mesh.npz。Debug 始终保留原始 results.npz,并按 Output Format 单独生成 Maps、纹理 GLB 或彩色 PLY。
    • Original:直接把原图作为深度贴图,不显示估算参数。仅在开启 Remove Background 时运行 BEN2 取得前景 Alpha;视频或序列帧按需同时抽取原始帧与前景序列,把原始帧作为 .depth 序列。 MoGe-2 ViT-S 是默认深度来源。选择 DA3 时,其 Model 与 Resolution Scale 参数会集中显示在独立边框中。Remove Background 与 Unshaded 直接显示,不再使用 Options 折叠; Keep Original 默认关闭,并在分割线下方保持为最后一项。仅当开启 Remove Background 时才需要 BEN2 Base,并把 .foreground 的 Alpha 作为独立 Mask,不在 Server 中改写深度值。保存 .foreground 时保留 BEN2 Alpha,但 RGB 使用未经修改的原始输入; 因此材质直接用 .foreground 同时提供颜色和 Mask,不再额外加载原图 Image Texture。 Image Empty 引用视频或序列帧时,DA3 与 MoGe-2 会按 Empty 的 Image Frames 数值逐帧估计 深度(未设置时为完整帧数,显式设为 1 时只处理 1 帧),起始帧跟随 Empty 的 Offset,与背景蒙版范围一致; DA3 会复用同一个 ONNX Session 对每帧独立推理,再合并为原有序列输出,避免多帧 Attention 的平方级显存占用。 该行为只用于 Depth Plane 转换;Surface 仅支持单张图片,Debug 多帧输出仍联合推理。 Offset 超出视频长度时同样把窗口收进视频内。材质节点与置换贴图的 Start 保持与原 Empty 一致;Original 模式的视频或序列帧使用 frame.0001.jpg 等原图序列作为颜色与深度, foreground.0001.png 只提供前景 Alpha。 DA3 的深度仍以 EXR 序列帧(depth.0001.exr 起)保存在 job 目录根下;MoGe-2 分别使用 moge_depth、moge_mask 与 moge_normal EXR 序列。 Unshaded、Remove Background 与 Keep Original 均默认关闭,因此默认删除原对象。
  3. DA3 或 MoGe-2 完成后会自动创建面片。DA3 面片几何先由 mini_npz 的相机内参与深度确定,再通过对象 Transform 匹配原 Image Empty 的可见尺寸、位置、旋转和 Offset。Original 模式直接使用源 Empty 的可见尺寸、Offset 与 Transform。DA3 会把用于匹配画面尺寸的缩放预乘到 .depth 数值, XY 缩放烘焙到 Mesh,Z 不参与平面匹配;最终对象 Scale 为 (1, 1, 1),视觉深度与旧逻辑一致。 关闭 Keep Original 时,成功生成后删除源 Empty。生成面片 Object 使用源 Empty 的原名;开启 Keep Original 时不处理 同名冲突,由 Blender 自动为生成面片追加编号。
  4. Blender 只创建保留图像纵横比的最低密度基础网格,再把 O DA3 Depth Plane 作为 Geometry Nodes 修改器添加到对象。节点组与 O DA3 Surface 一同保存在 O_SnapForm.blend,关闭 show_group_selector,不为每个对象复制节点组。MoGe-2 使用单独的 O MoGe2 Depth Plane,只保留 网格细分、metric depth 位移、mask 删点和材质设置;材质使用 O MoGe2 Depth Plane Layer,直接接入 模型 normal,不携带 DA3 的材质置换与背景深度分支。DA3 修改器公开以下参数:
    • Displacement:位于 Geometry 之后的第一项,菜单包含 Geometry(默认)与 Material。Geometry 在节点组内沿法线修改网格,Material 保持网格平面并启用材质置换;
    • Subdivision:位于第二项,默认 5。节点读取基础平面的 Bounding Box,短边分段数为 2^Subdivision, 长边按宽高比计算并四舍五入;例如 16:9 图片在等级 5 时生成 57×32 个面;
    • Background Depth:默认 -1,允许正负值,Structure Type 为 Single,直接显示且不再放在 Panel 中。前景 Mask 外的结构或 材质置换使用该值;是否存在背景只取决于转换所得色彩贴图的 Alpha > 0.5 二值结果;
    • Depth Scale:默认 1,允许正负值,Structure Type 为 Single,同时控制 Geometry 与 Material 两条置换路径。 Grid 重建后通过隐藏的 Material 输入重新赋予原图材质,并对所有面执行 Shade Smooth。 材质使用显式指向 UVMap 的 UV Map 节点连接颜色、前景 Mask 与深度 Image Texture,不依赖活动 UV。 前景深度先与 Background Depth 取 Maximum,再按色彩贴图 Alpha 与背景深度混合, 深度分支在混合前使用 Alpha > 0.5 转为二值 Mask,避免半透明前景被背景深度拉扯; 材质表面 Alpha 同样使用二值 Mask。材质置换使用相同的二值和钳制顺序。 节点组还会把 o_material_displacement 与 o_background_depth 写入点域,材质通过 Geometry 类型的 Attribute 节点读取。点域会为顶点保存重复值,但能在应用修改器后继续保留参数; 相比自适应网格本身,其占用很小。Depth Image 与 Foreground Image 是修改器隐藏数据输入, 由导入流程自动设置。 视频与序列帧还会为 Depth 与 Foreground 共同写入隐藏的 Frame、Frame Start、Frames 与 Cyclic。 节点组内部不再使用 Scene Time。只有原 Image Empty 是视频或序列时,导入流程才直接给修改器的 Frame socket 添加 Scripted Expression Driver frame;静态图保持默认值 1,不创建 Driver。导入内容已经 是截取后的帧,因此 Offset 在节点组内恒定为 0。 节点组根据 Frame 计算从 1 开始的 Image Texture Frame:场景帧与 Start 都为 1 时读取图片第 1 帧;非循环输入 钳制到有效范围;循环输入使用 Floored Modulo,让 Frame Start 前后的负、正相对帧都映射到 1…Frames,因此开始帧之前也会循环播放。Geometry 置换会像材质 Image Texture 一样随场景帧刷新。