橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

ArtiFixer

nvidia/ArtiFixer

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：上游卡片未声明 上游版本：f96352ad72c8

中文简介

nvidia/ArtiFixer 是 nvidia 在 Hugging Face 发布的模型仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f96352ad72c8，同步到 6544 个文件，文件元数据合计 133.09 GB；访问状态为“公开”，许可证字段为“上游卡片未声明”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 nvidia/ArtiFixer 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
nvidia/ArtiFixer 是 nvidia 在 Hugging Face 发布的模型仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f96352ad72c8，同步到 6544 个文件，文件元数据合计 133.09 GB；访问状态为“公开”，许可证字段为“上游卡片未声明”。

【适用方向】
适合在真实样本上评估上游卡片所列任务能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：f96352ad72c8。 任务标签：上游卡片所列任务。 库标记：artifixer。 上游页面记录的最近更新时间：2026-07-22。

【文件信息】
上游 API 返回 6544 个文件，文件元数据合计 133.09 GB。 已保存文件清单中的主要扩展名：.png 69 个、.json 28 个、.pt 2 个、无扩展名 1 个。 当前较大的文件包括：artifixer-14b.pt（63.00 GB）；artifixer-1.3b.pt（6.25 GB）；.gitattributes（548.39 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 133.09 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
上游卡片没有提供明确许可证字段，下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

ArtiFixer Overview Description: ArtiFixer is a few-step causal auto-regressive model that enhances and extends 3D reconstruction. The related source code provides implementations for training, evaluation, and inference, supporting various stages including bidirectional training, diffusion forcing, and Self-Forcing-style DMD distillation. ArtiFixer was developed by NVIDIA (Spatial Intelligence Lab) and is released in two variants: a 14B variant based on Wan2.1's 14B model, and a lighter-weight 1.3B variant based on Wan2.1's 1.3B model that trades some reconstruction quality for significantly higher throughput and lower training and inference compute. _This model is for research and development only._ License/Terms of Use: GOVERNING DOWNLOAD TERMS: Use of the model is governed by the NVIDIA License. ADDITIONAL INFORMATION: The Wan 2.1 14B and 1.3B base models are governed by the Apache License, Version 2.0. Deployment Geography: Global Use Case: Developers and researchers working on 3D reconstruction, diffusion models, and auto-regressive techniques for enhancing and extending 3D reconstruction capabilities. Release Date: Other:** Hugging Face: 06/04/2026 (14B variant) and 07/21/2026 (1.3B variant) via https://research.nvidia.com/labs/sil/projects/artifixer/ Reference(s): ArtiFixer: Enhancing and Extending 3D Reconstruction with Auto-Regressive Diffusion Models Model Architecture: Architecture Type:** Transformer Network Architecture:** ArtifixerTransformer (built on Wan2.1's WanTransformer3DModel) This model was developed based on Wan-AI/Wan2.1-T2V-14B-Diffusers (14B variant) and Wan-AI/Wan2.1-T2V-1.3B-Diffusers (1.3B variant).** Number of model parameters:** 14B variant: ~16.9B trainable (16,910,955,584); 1.3B variant: ~1.68B trainable (1,678,749,760) Input: Input Type(s):** Image, text Input Format(s):** RGB (Red, Green, Blue), opacity maps, camera ray maps, and text Input Parameters:** Rendered RGB and opacity maps from the underlying 3D representation, camera ray

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估上游卡片所列任务能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：f96352ad72c8。 任务标签：上游卡片所列任务。 库标记：artifixer。 上游页面记录的最近更新时间：2026-07-22。

文件说明

上游 API 返回 6544 个文件，文件元数据合计 133.09 GB。 已保存文件清单中的主要扩展名：.png 69 个、.json 28 个、.pt 2 个、无扩展名 1 个。 当前较大的文件包括：artifixer-14b.pt（63.00 GB）；artifixer-1.3b.pt（6.25 GB）；.gitattributes（548.39 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes548.39 KB
  • artifixer-1.3b.pt6.25 GB
  • artifixer-14b.pt63.00 GB
  • config.json768 B
  • eval-assets/dl3dv_difix/train_ids/032dee9fb0a8bc1b90871dc5fe950080d0bcd3caf166447f44e60ca50ac04ec7/difix_train_ids.json695 B
  • eval-assets/dl3dv_difix/train_ids/15ff83e2531668d27c92091c97d31401ce323e24ee7c844cb32d5109ab9335f7/difix_train_ids.json876 B
  • eval-assets/dl3dv_difix/train_ids/2385549d398bdfb55ed17b547c9846f0d01d571b4e050f90df707b577084fb55/difix_train_ids.json701 B
  • eval-assets/dl3dv_difix/train_ids/280abf7bd93b81b077af1db638229dbb09869052fa0b7b57c81c94d2db893829/difix_train_ids.json783 B
  • eval-assets/dl3dv_difix/train_ids/2f3e1c0f688c84cec67f9a1ea219c54c14ffabf31a046e620dacc690cac2f1bd/difix_train_ids.json972 B
  • eval-assets/dl3dv_difix/train_ids/35317e621976e87f0c143e66fc61fb8cddb4ff134304da7a00e32ac1983105b4/difix_train_ids.json1.01 KB
  • eval-assets/dl3dv_difix/train_ids/35872363e17af5d173b6a0b09fcf5de94627ad5dc5f8a9ad4c579f3e70b4797a/difix_train_ids.json1020 B
  • eval-assets/dl3dv_difix/train_ids/3b7529dcccf7097cba31a989536035595e214b0f3775867fd3a62eb186870090/difix_train_ids.json824 B

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 133.09 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

上游卡片没有提供明确许可证字段，下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。