MAISI missing labels for conditioning maisi-rflow with vista3D pseudo labels
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, pytorch
- Ambito
- machine-learning
Direzione di ricerca
Confronta i file label_dict.json collegati di MAISI e VISTA3D e rivedi il tutorial di inferenza di MAISI e i pseudo-label forniti. Traccia l’origine dell’etichetta 200=body e determina quale modello o pipeline produce etichette complete compatibili con il condizionamento di maisi-rflow. Il lavoro è completato quando la mappatura delle etichette supportate e il percorso di generazione sono documentati o corretti.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
I’m training a pre-trained maisi-rflow model to generate new images conditioned on segmentation masks generated with vista3D.
In MAISI-data is written that the pseudo-labels can be produced using VISTA3D. I’m using MONAI bundle. Both MAISI and VISTA3D have labels IDs from 1 to 132 as can be compared in this two links:
1.https://github.com/Project-MONAI/tutorials/blob/main/generation/maisi/configs/label_dict.json
2. https://github.com/Project-MONAI/VISTA/blob/main/vista3d/data/jsons/label_dict.json
However, when I follow the MAISI inference tutorial and download the provided pseudo-labels, I see the label 200=body which does not exist in VISTA3D. As a result, when I condition maisi-rflow on my masks that only include IDs up to 132, generation quality degrades due to the missing label.
Which model or pipeline should I use to produce complete pseudo-labels compatible with maisi-rflow conditioning? Below are examples of generated images.
- Lingua principale
- Jupyter Notebook
- Stelle
- 2.6k
- Fork
- 807
- Merge medio
- 3g 7h
- PR unite (30g)
- 3
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi 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 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 45/100
Project-MONAI/tutorials#2080 ·
-
Rehost CONSepForse già presa @vikashg l’ha presa 17 giorni fa. Aperta
Project-MONAI/tutorials#2079 · 1 commento · 2 assegnatari ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 62/100
Project-MONAI/tutorials#2071 ·
Tutte le issue di Project-MONAI/tutorials
Issue simili
-
EvaluationSuite.run fails with default args_for_task and mutates supplied kwargsForse già presa @ktz03 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
huggingface/evaluate#825 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
unslothai/unsloth-zoo#1661 ·
I maintainer di solito rispondono entro 1 giorno
-
LocalProvider.launch hangs forever when the server never accepts connectionsForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
stanfordnlp/dspy#10609 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 1 giorno
-
MMM.budget_optimizer rejects a DataFrame cost_per_unit despite its signatureForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
pymc-labs/pymc-marketing#3140 ·
I maintainer di solito rispondono entro 1 giorno