SubDiffusion: 基于Stable Diffusion的拓扑网格单图像建模方法

简介

SubDiffusion 是一种基于 Stable Diffusion的拓扑网格单图像建模方法。该方法结合了拓扑网格生成和拟合，加上深度重建的技术，能够从单个图像中生成高质量的拓扑网格模型。

特点

• 基于Stable Diffusion：SubDiffusion 方法使用 SD 来给模型添加拓扑网格，通过将模型图像转换为拓扑网格图像，SubDiffusion 方法可以更好地捕捉图像中的形状和结构。

• 基于计算机视觉：，SubDiffusion使用LSD线段检测和Shi-Thomas角点识别来处理拓扑网格数据，并用zoedepth进行深度重建。

• 单图像建模：与传统的多视角建模方法不同，SubDiffusion 方法只需要一个单独的图像作为输入即可实现建模，减少了数据采集和处理的复杂性。

拓扑布线生成

-下载文件中的SubD-model.safetensors：这是一个使用1k左右的交通工具和产品拓扑网格图像训练过的stable diffusion模型

• 输入产品照片、产品草稿甚至AI图像：
• 
• 生成方法：使用图生图模式，去噪强度0.9，开启tile控制网，侧重controlnet模式，控制网权重1.2。正面提示词可以尝试加上(wireframe:1.4)。
• 
• 
• 案例：输入图像：
• 
• 生成图像：
• 
• 生成图像生成信息：product design,(wireframe:1.4), Negative prompt: (low quality,worst quality:1.4),(black background:1.3), Steps: 30, Sampler: DPM++ 3M SDE Karras, CFG scale: 7, Seed: 2928666751, Size: 552x768, Model hash: d62115935e, Model: subd-model, VAE hash: f921fb3f29, VAE: orangemix.vae.pt, Denoising strength: 0.9, Clip skip: 2, ControlNet 0: "Module: tile_resample, Model: control_v11f1e_sd15_tile [a371b31b], Weight: 1.2, Resize Mode: Crop and Resize, Low Vram: False, Threshold A: 1, Guidance Start: 0, Guidance End: 1, Pixel Perfect: True, Control Mode: ControlNet is more important, Save Detected Map: True", Eta: 0.67, Version: v1.6.0-2-g4afaaf8a

拓扑布线数据提取

• 使用jupyter文件夹下的subdiffusion完成版：

网格模型生成

• 使用grasshopper文件夹下的导入文件：