テキストから３Dのモデル生成を楽しめる Ooen AI の Point- E AIモデル。

Gradioのインターフェースでプロンプトを選択できるようにしました。(英文テキストも入力可能。)　選択されたプロンプトに基づいてポイントクラウドが生成され、その結果がプロットとして表示されます。

このコードは、以下の手順を実行します：

Point-Eリポジトリをクローンし、必要なパッケージをインストールします。
モジュールをインポートします。
デバイス（CUDAまたはCPU）を設定します。
ベースモデルとアップサンプルモデルを作成し、チェックポイントをダウンロードします。
サンプラーを作成し、指定されたプロンプトに基づいてポイントクラウドを生成します。
生成されたポイントクラウドをプロットし、表示します。
このコードを Google corab GPU で実行すると、指定されたテキストプロンプトに基づいて3Dポイントクラウドが生成され、表示されます。

!git clone https://github.com/openai/point-e.git
%cd point-e
!pip install .
!pip install gradio

import torch
from tqdm.auto import tqdm
import gradio as gr

from point_e.diffusion.configs import DIFFUSION_CONFIGS, diffusion_from_config
from point_e.diffusion.sampler import PointCloudSampler
from point_e.models.download import load_checkpoint
from point_e.models.configs import MODEL_CONFIGS, model_from_config
from point_e.util.plotting import plot_point_cloud

# デバイスを設定
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# ベースモデルを作成
print('ベースモデルを作成中...')
base_name = 'base40M-textvec'
base_model = model_from_config(MODEL_CONFIGS[base_name], device)
base_model.eval()
base_diffusion = diffusion_from_config(DIFFUSION_CONFIGS[base_name])

# アップサンプルモデルを作成
print('アップサンプルモデルを作成中...')
upsampler_model = model_from_config(MODEL_CONFIGS['upsample'], device)
upsampler_model.eval()
upsampler_diffusion = diffusion_from_config(DIFFUSION_CONFIGS['upsample'])

# ベースモデルのチェックポイントをダウンロード
print('ベースモデルのチェックポイントをダウンロード中...')
base_model.load_state_dict(load_checkpoint(base_name, device))

# アップサンプルモデルのチェックポイントをダウンロード
print('アップサンプルモデルのチェックポイントをダウンロード中...')
upsampler_model.load_state_dict(load_checkpoint('upsample', device))

# ポイントクラウドサンプラーを作成
sampler = PointCloudSampler(
    device=device,
    models=[base_model, upsampler_model],
    diffusions=[base_diffusion, upsampler_diffusion],
    num_points=[1024, 4096 - 1024],
    aux_channels=['R', 'G', 'B'],
    guidance_scale=[3.0, 0.0],
    model_kwargs_key_filter=('texts', ''), # アップサンプラーには条件付けしない
)

# サンプルプロンプト
sample_prompts = [
    'a red motorcycle',
    'a blue sports car',
    'a green spaceship',
    'a yellow submarine',
    'a pink robot',
    'a white cat',
    'a black dog',
    'a purple dragon',
    'a silver plane',
    'a golden castle'
]

# ポイントクラウドを生成する関数
def generate_point_cloud(prompt):
    # モデルからサンプルを生成
    samples = None
    for x in tqdm(sampler.sample_batch_progressive(batch_size=1, model_kwargs=dict(texts=[prompt]))):
        samples = x
    pc = sampler.output_to_point_clouds(samples)[0]
    fig = plot_point_cloud(pc, grid_size=3, fixed_bounds=((-0.75, -0.75, -0.75),(0.75, 0.75, 0.75)))
    return fig

# Gradioインターフェースを作成
interface = gr.Interface(
    fn=generate_point_cloud,
    inputs=gr.components.Dropdown(choices=sample_prompts, label="プロンプトを選択"),
    outputs=gr.components.Plot(label="生成されたポイントクラウド")
)

# インターフェースを起動
interface.launch()