maisi unconditioned inference return noise
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 25/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, python, pytorch
- Ambito
- machine-learning
Direzione di ricerca
Iniziare con scripts/diff_model_infer.py e il MAISI inference tutorial notebook, riproducendo la ricostruzione in un passaggio che produce rumore. Confrontare l’architettura di inferenza e la configurazione caricata con l’implementazione dell’addestramento, incluse le differenze discusse in issue 7991. Il lavoro è completato quando l’inferenza o la ricostruzione non condizionata non restituisce più un output rumoroso con le impostazioni fornite.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hallo,
I tried longer to make the diffusion unet (rectified flow version) work but without success. the VAE performes correct and encoding and reconstruction look fine. I take all the configs from the repo so configuration as well as weights are equivalently loaded as in https://github.com/Project-MONAI/tutorials/blob/main/generation/maisi/maisi_inference_tutorial.ipynb.
Using the diffusion unet with the existing code of diffusion_model_infer.py with
from scripts.diff_model_infer import run_inference
data = run_inference(
args,
device,
autoencoder,
diffusion_unet,
1.4,#scale_factor,
None,#top_region_index_tensor,
None, #bottom_region_index_tensor,
torch.tensor([[1.5,1.5,4.0]]).to('cuda'),#spacing_tensor,
torch.tensor([1]).to('cuda'),#modality_tensor,
(96,96,96),#output_size,
4,
logger,
)
I saw that there was an issue with the architecture which was different during training and the implementation but I'm not sure if that is related.
https://github.com/Project-MONAI/MONAI/issues/7991.
Some observations I made is when I would like to just reconstruction an image and basically make one step, the recon get's extremly noise.
For any suggestion what could be the potential issue, I'm thankful.
Best,
Lukas
- Lingua principale
- Jupyter Notebook
- Stelle
- 2.5k
- Fork
- 803
- Merge medio
- 6g 22h
- PR unite (30g)
- 3
Guida per i contributori
Apri la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di Project-MONAI/tutorials
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 92/100
Project-MONAI/tutorials#2076 · 2 commenti ·
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 76/100
Project-MONAI/tutorials#2069 ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
Project-MONAI/tutorials#1704 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 62/100
Project-MONAI/tutorials#2071 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
Project-MONAI/tutorials#2067 ·
Tutte le issue di Project-MONAI/tutorials
Issue simili
-
bug module:classification
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
-
low AI-generated score register-submission
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
UKGovernmentBEIS/inspect_evals#2521 · 2 commenti ·
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
stanfordnlp/stanza#1683 · 2 commenti ·
-
wer_score / mer_score / cer_score return 0 (a perfect lower-is-better score) for an empty prediction Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
stanford-crfm/helm#4359 ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 90/100
ml-explore/mlx-lm#1915 · 1 commento ·