see-through

环境要求

• Python 环境（用于 pip 安装与运行推理脚本）
• 支持 CUDA 12.8 的 NVIDIA GPU；AMD 显卡需安装与本地 ROCm 运行时匹配的 ROCm wheel
• 需安装 PyTorch（torch、torchvision、torchaudio）
• 安装 bitsandbytes 以支持 NF4 量化推理

安装与启动步骤

1. 1安装 PyTorch

   按 README 要求安装 PyTorch，CUDA 12.8 用户使用对应官方 wheel；AMD ROCm 用户改装与本地 ROCm 运行时匹配的 wheel 集合。

2. 2安装项目依赖

   在项目根目录安装 requirements.txt，其中包含常用工具与标注器（annotators）等依赖。

   pip install -r requirements.txt

   复制

3. 3安装量化推理依赖

   一次性安装 requirements-inference-bnb.txt，以启用 bitsandbytes 的 NF4 量化推理。

   pip install -r requirements-inference-bnb.txt

   复制

4. 4运行 PSD 分层推理

   执行量化推理脚本，指定输入图片并输出 PSD。README 默认开启 group_offload、深度分辨率 720。

   python inference/scripts/inference_psd_quantized.py 
     --srcp assets/test_image.png 
     --save_to_psd

   复制

5. 5使用在线演示

   如果不想本地配置环境，可直接访问 README 提供的 HuggingFace Space 或 ModelScope 在线演示，上传图片得到 PSD 分层结果。

关键配置

如何确认成功

推理脚本运行结束后会在输出目录生成 PSD 分层文件，可打开查看头发、脸部、服装等是否已分成独立图层。

常见问题

注意事项

• 本项目是 SIGGRAPH 2026 会议论文的开源研究项目，README 提醒谨防第三方收费网站。
• README 节选中缺少完整的克隆与权重下载命令，请以仓库页面最新说明为准；首次运行可能需要下载预训练权重。
• AMD 用户切勿套用 CUDA 12.8 的安装方式，需改用匹配的 ROCm wheel。
• 输出为可编辑的 PSD 分层文件，可直接用于动画制作、Live2D 绑定与表情差分等后续流程。