🚀 UltraShape 1.0 快速运行指南

UltraShape 1.0 采用两阶段生成流程：

1. 第一阶段：通过基础模型生成粗糙的全局结构（Coarse Mesh）。
2. 第二阶段：使用 UltraShape 进行几何精修，生成高精度细节。

1. 生成粗糙模型 (Coarse Mesh)

在运行 UltraShape 之前，您需要先获取一个初始的 3D 模型文件（.glb 或 .obj）。 官方推荐使用 Hunyuan3D-2.1 来生成：

• 输入：参考图片
• 输出：粗糙的 3D 模型

** 这一步推荐使用混元官方的在线平台Hunyuan3D-2.1生成**

2. 生成高精度精修模型 (Refined Mesh)

获取粗糙模型后，运行以下脚本进行几何精修：

图形化界面 (推荐)

如果您更喜欢在浏览器中进行交互操作：

cd /workspace/UltraShape-1.0
python scripts/gradio_app.py --ckpt  models/UltraShape/ultrashape_v1.pt

然后就可以在 http://{外网ip}:7860/ 中操作了，按要求上传图像和对应的glb文件即可

命令行方式

您可以直接运行提供的 Shell 脚本：

cd /workspace/UltraShape-1.0
sh scripts/run.sh

或者手动执行推理命令并指定参数：

cd /workspace/UltraShape-1.0
python scripts/infer_dit_refine.py \
    --image <参考图片路径> \
    --mesh <粗糙模型文件路径> \
    --output_dir ./results \
    --ckpt <UltraShape权重路径> \
    --step 50

关键参数说明：

• --image: 你的参考图路径。
• --mesh: 第一阶段生成的 .glb 或 .obj 路径。
• --step: 推理步数。默认 50 效果最好；若需加速，可设为 12。

3. 显存优化 (针对低显存用户)

如果您的显存（VRAM）较低，在运行 gradio_app.py 或 infer_dit_refine.py 时，请尝试以下调整：

1. 添加 --low_vram 参数。
2. 减小 num_latents (例如设为 8192)。
3. 减小 chunk_size (例如设为 2048)。

4. 模型训练与采样 (可选，目前官方还没有提高数据处理脚本)

如果您需要处理自己的数据集进行训练：

• 数据采样：

python scripts/sampling.py --mesh_json data/mesh_paths.json --output_dir data/sample

• 开始训练： 修改 train.sh 中的数据路径，然后运行：

sh train.sh [node_idx]