Hugging Face publica guía y scripts para ajustar con LoRA el modelo 3D TRELLIS.2
Hecho Qué ha ocurrido
Hugging Face publica scripts y contenedores para hacer fine-tuning del modelo de generación 3D TRELLIS.2 con datos propios, ejecutables en local o en Hugging Face Jobs. El experimento usa un subconjunto de 188 calzados de Google Scanned Objects y adaptadores LoRA en las etapas de estructura y forma, sin tocar la de texturas. Los autores indican que el modelo base generaba suelas incorrectas y que los adaptadores buscan corregirlo.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra un procedimiento concreto para adaptar modelos 3D generativos a un dominio específico con pocos datos y coste contenido, útil para robótica, simulación y diseño de producto.
- Quién se ve afectado
- Equipos de diseño 3D, simulación y comercio electrónico que trabajen con catálogos de objetos.
- Qué puede cambiar
- Podría facilitar que empresas con catálogos propios ajusten modelos abiertos en lugar de depender de generadores genéricos, aunque el artículo no aporta métricas de mejora.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados cuantitativos del ajuste frente al modelo base y adopción de estos scripts en proyectos reales de sectores como el de producto o la simulación.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗modelos 3D generativosLoRAdifusión Hugging Face 3D fine-tuning Hugging Face LoRA TRELLIS.2
Relacionadas
Hugging Face añade herramientas para ajustar modelos multimodales de embeddings
Hugging Face ha publicado una guía práctica sobre cómo ajustar (finetuning) modelos multimodales de embeddings con Sentence Transformers. En un caso concreto…
Por qué importaPara empresas con datos específicos de dominio, ajustar modelos multimodales permite mejorar drásticamente el rendimiento en tareas concretas (como…
Hugging Face habilita entrenamiento RL asíncrono con LoRA en HF Jobs sin NCCL
Hugging Face documenta cómo el soporte de LoRA integrado en el AsyncGRPOTrainer de TRL (v1.14) permite separar el entrenamiento y la inferencia en máquinas…
Por qué importaReduce drásticamente el coste de infraestructura y la complejidad técnica para hacer fine-tuning con RL de modelos de lenguaje, democratizando el…
AWS publica tutorial para ajustar Llama 3.2 Vision con datos no estructurados en SageMaker
AWS publicó un tutorial técnico en su blog de Machine Learning mostrando cómo integrar datos no estructurados de Amazon S3 con SageMaker Unified Studio para…
Por qué importaDemuestra cómo las herramientas de AWS facilitan el fine-tuning de modelos multimodales con datos desorganizados, un escenario común en empresas…
Hugging Face muestra cómo GRPO mejora salidas estructuradas en un modelo de 350M parámetros
Un tutorial de Hugging Face aplica fine-tuning con GRPO y LoRA sobre LFM2.5-350M usando ~500 muestras y 100 pasos de entrenamiento, dirigido a mejorar el…
Por qué importaDemuestra que el fine-tuning con RL de bajo coste puede mejorar sustancialmente la fiabilidad de salidas estructuradas en modelos pequeños…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.