Stable Zero123 é um modelo treinado internamente para geração de imagens condicionadas à visão. Em comparação com a tecnologia de ponta anterior, Zero123-XL, o Stable Zero123 produziu resultados significativamente melhorados. Isso foi alcançado por meio de três inovações-chave: 1. Um conjunto de dados de treinamento aprimorado, filtrado extensivamente do Objaverse, retendo apenas objetos 3D de alta qualidade e renderizados de forma mais realista do que métodos anteriores. 2. Durante o treinamento e a inferência, fornecemos ao modelo uma estimativa do ângulo da câmera. Essa condição de elevação permite previsões mais inteligentes e de maior qualidade. 3. Um conjunto de dados pré-calculado (variáveis latentes pré-calculadas) e um carregador de dados aprimorado que suporta lotes maiores, juntamente com a primeira inovação, resultaram em uma eficiência de treinamento 40 vezes maior em comparação com o Zero123-XL. O modelo agora foi lançado no Hugging Face para download e experimentação por pesquisadores e usuários não comerciais.