library_name: diffusers pipeline_tag: image-to-image inference: parameters: guidance_scale: 3.5 widget:

• src: example_input.jpg text: GenEx全景世界初始化 example_title: 从图像裁剪生成全景图 datasets:
• TaiMingLu/GenEx-DB-Panorama-World base_model:
• black-forest-labs/FLUX.1-Fill-dev license: cc-by-4.0

GenEx世界初始化器 🧭🌍

GenEx世界初始化器是基于FluxFillPipeline构建的全景图生成流程。

它通过视觉条件修复技术将单视角图像转化为360°全景图像。

• 🖼️ 输入：单张图像（任意尺寸，将自动居中裁剪为正方形）
• � 提示词：可选文本引导全景生成
• 🎯 输出：2048×1024等距柱状投影图像
• 🧩 遮罩：使用固定全景遮罩模板

📦 使用方式

from diffusers import DiffusionPipeline
from PIL import Image
import torch

pipe = DiffusionPipeline.from_pretrained(
    "genex-world/World-Initializer-image-to-panorama",
    custom_pipeline="genex_world_initializer_pipeline",  
    torch_dtype=torch.bfloat16,
    trust_remote_code=True
).to("cuda")

# 加载任意分辨率图像
image = Image.open("example_input.jpg")

# 执行推理
front_view, output = pipe(image=image)
output.images[0]

🏁 遮罩模板

训练修复扩散模型时使用的遮罩模板，推理时自动调用：

🔧 环境需求

diffusers>=0.33.1
transformers
numpy
pillow
sentencepiece 

✨ 文献引用

@misc{lu2025genexgeneratingexplorableworld,
      title={GenEx：可探索世界的生成}, 
      author={卢泰明 and 舒天民 and 肖俊飞 and 叶洛鑫 and 王佳豪 and 彭程 and 陈伟 and Daniel Khashabi and Rama Chellappa and Alan Yuille and 陈杰能},
      year={2025},
      eprint={2412.09624},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2412.09624}, 
}