Marigold V2
Marigold V2 estimates depth, surface normals or intrinsic albedo with task-specific diffusion adapters.
- Задачи
- depth, surface normals, albedo
- Размеры
- b at 1024 px
- Установка
pip install "libreyolo[marigold]"- Уровень поддержки
- Только инференс, начиная с v1.6.0. Только предсказание, валидация и экспорт. Функции обучения неприменимы.
- Лицензии
- Код: MIT, веса: Apache-2.0. Коммерческое использование
Install
pip install "libreyolo[marigold]"The default four-bit runtime requires CUDA.
Predict
from libreyolo import LibreYOLO, SAMPLE_IMAGE # Requires CUDA for default four-bit inference.model = LibreYOLO("LibreMarigoldV2b-depth.pt", device="cuda")result = model(SAMPLE_IMAGE)print(result)The adapter downloads a separately pinned base model. Default quantization="4bit" requires CUDA; the snippet requires that runtime. quantization="none" selects the CPU-capable path. The default seed is 2025. Albedo results hold linear RGB and convert to sRGB for display. Training and export are not supported.
Validate
from libreyolo import LibreYOLO, SAMPLE_IMAGE # Requires CUDA for default four-bit inference.model = LibreYOLO("LibreMarigoldV2b-depth.pt", device="cuda")# Depth dataset YAML: images/val plus same-stem maps in depths/val.metrics = model.val(data="path/to/your/depth.yaml", workers=0)print(metrics)Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.
Checkpoints
| Файл | Лицензия весов |
|---|---|
| Depth | |
| LibreMarigoldV2b-depth.pt | apache-2.0 |
| LibreMarigoldV2b-depth-log-stage1.pt | apache-2.0 |
| LibreMarigoldV2b-depth-log-layered.pt | apache-2.0 |
| LibreMarigoldV2b-depth-uniform-base.pt | apache-2.0 |
| LibreMarigoldV2b-depth-uniform-layered.pt | apache-2.0 |
| LibreMarigoldV2b-depth-disparity-base.pt | apache-2.0 |
| LibreMarigoldV2b-depth-disparity-layered.pt | apache-2.0 |
| Surface normals | |
| LibreMarigoldV2b-normal.pt | apache-2.0 |
| Albedo | |
| LibreMarigoldV2b-albedo.pt | apache-2.0 |
Все перечисленные выше файлы уже доступны в организации LibreYOLO и скачиваются при первом использовании.
Licensing
Проверяйте лицензию в репозитории конкретных весов на Hugging Face. Она указана для каждого чекпойнта в организации LibreYOLO и может различаться даже внутри одного семейства. Этот репозиторий считается авторитетным источником, а сводка ниже описывает условия на момент последней проверки страницы.
Это описание соответствующих лицензий, а не юридическая консультация. Если ответ важен для коммерческого использования, прочитайте лицензии самостоятельно и проконсультируйтесь с юристом.
- Оригинальная работа
- Marigold V2, Huawei Bayer Lab
- Лицензия исходного проекта
- Apache-2.0
- Исходный код проекта
- github.com/huawei-bayerlab/marigold-v2
- Код LibreYOLO
- MIT
- Веса
- Apache-2.0, повторно опубликованы на huggingface.co/LibreYOLO
- Толкование
- The adapters and separately acquired Qwen image base declare Apache-2.0.