TTime：一款开源简洁高效的输入、截图、划词翻译软件主要功-CSDN blink-领先的开发者技术社区

Zero123++：从单一图片，生成多张从不同角度看这个物体或场景的图像。比如你给它一张正面看的苹果图片，它能给你生成这个苹果从侧面、上面、下面看的图片。而且生成的多角度图片看起来非常真实，并且从各个角度看都很协调。用户还可以更细致地控制生成图片的各个方面，比如形状、大小等。工作原理：1、条件与训练方案：Zero123++ 利用预训练的2D生成模型（如StableDiffusion）作为基础，并通过多种条件和训练方案进行微调，以生成多视图图像。2、注意力机制：它添加了一个额外的条件分支，并修改了自注意力层的键（K）和值（V）矩阵，以接受额外的条件图像。让模型更专注于输入图片的重要部分，这样生成的多角度图片就更准确。3、全局条件：在原始的Stable Diffusion模型中，全局条件主要来自文本嵌入。Zero123++ 引入了一个可训练的线性引导机制（来自FlexDiffuse），用于在最小化微调程度的同时，将全局图像条件纳入模型中。除了输入图片，它还会考虑其他全局信息（比如文本描述），以生成更符合要求的图片。4、Depth ControlNet：这是一个深度控制网络，用于控制生成过程中的几何结构。它通过渲染与目标RGB图像相对应的标准化线性深度图像，并训练ControlNet来控制Zero123++的几何结构。用于更精细地控制生成图片的形状和结构。GitHub：

https://github.com/SUDO-AI-3D/zero123plus

https://arxiv.org/abs/2310.15110Demo

https://huggingface.co/spaces/sudo-ai/zero123plus-demo-spaceCR