教程上新丨微软开源3D生成模型TRELLIS.2，3秒生成高分辨率的全纹理资产

过去几年间，生成式AI在2D内容，也就是图像、视频、文本方面，实现了规模化的应用，然而，3D生成一直是那片看起来近在咫尺，却始终很难跨越的高地，这是因为它不只是维度的提高，更是对表示方式、学习目标以及工程可用性的一场全面考验。

3D生成模型所面临的核心难题，从来都不单单只是“能不能生成一个模样好似物体的结果”，而是“怎样在高维空间里头同时保持几何的一致性、语义的稳定性以及结构的可用性”，一个模型能够在单一视角之下展现出合乎情理的外观，然而在视角产生变化的时候就会快速地崩塌，还能够在视觉方面高度逼真，可是却没办法导出能够编辑、能够复用的标准3D资产，这些问题直接对3D生成技术迈向真实生产场景造成了限制。

近年来，行业持续在不同技术路径之间展开尝试，且不断出现摇摆情况，比如，基于NeRF的方法于视觉连续性方面展现出突出表现，然而其天然倾向于渲染而非建模，所以很难满足下游对mesh、拓扑以及物理属性的需求，基于voxel或显式mesh的生成方式其结构清晰，不过在分辨率、细节表达以及泛化能力上长期处于受限状态，单视角或少视角3D生成方法在效率方面取得了突破，可是普遍遭遇多视角一致性不足、几何结构不稳定的问题。

它不是单一模型或者训练技巧暴露下不足，而是更深层次事实因这些路线反复演进所显示，这事实是 3 D 生成问题本质是表示、生成路径与训练目标间存在系统性失配。当模型优化目标主要旨在“看起来合理”，而非“结构上成立”，那么生成结果在跨越从展示到应用那道鸿沟时就会困难重重。

针对这个情况，微软亚洲研究院在近期发布了TRELLIS.2，它不但能够生成包含金属、塑料、玻璃、木材、水纹等多样材质的3D物体，而且还能完整地构建物体内部的几何结构。和传统那种基于场表达的3D生成方法不一样，TRELLIS.2创新性地提出来了非场的全新表达，也就是稀疏体素结构O-Voxel，这种表示方法能够生成具备任意拓扑结构以及丰富材质属性的高分辨率3D资产，而且还大大减轻了开发者在预处理阶段的负担。

与此同时，TRELLIS.2达成了十六倍的空间压缩，使得具备四十亿参数的大型生成模型能够有效率地完成训练以及推理。于实际性能展现之上，生成五百一十二的三次方分辨率的全纹理资产仅仅需要大约三秒。

当前，名为「TRELLIS.2 3D 生成 Demo」的内容，已经在 OpenBayes 官网的教程板块上线了，你只要点击下面的链接，就能够体验一键部署教程 ️。

在线运行：

你提供的内容并不是一个句子呀，请明确给出需要按照要求改写的句子。

效果展示：

Demo 运行

01

Demo 运行阶段

1. 前往OpenBayes.com进行登录，于「公共教程」页面处，挑选「TRELLIS.2 3D生成Demo」教程。

点击右上角「克隆」，在页面跳转之后，把该教程克隆到自己的容器里。

3. 挑选「NVIDIA RTX 5090」镜像，同时挑选「PyTorch」镜像，依据需求去选择「按量付费」方式或者「包日/周/月」方式，之后点击「继续执行」这款操作。对于新用户而言，运用下方所提供的邀请链接来进行注册，便能够获取满 ¥10 赠 ¥10 的优惠券，而且还更有机会得到 ¥15 的赠金！

小贝总专属邀请链接（直接复制到浏览器打开）：

这是一个网址链接，无法进行改写，其为https://go.openbayes.com/9S6D******r。

等待资源分配，在状态转变为「运行中」之后，点击「打开工作空间」来进入 Jupyter Workspace。

02

效果演示

页面发生跳转过后，去点击位于左侧位置的 README 页面，在进入该页面之后，再去点击上方呈现的「运行」按钮。

等到运行完毕了，就能够点击右侧的 API 地址，从而跳转到 demo 页面。

教程链接：

https://go.openbayes.com/qdiUg

相关标签： # 教程 # 开源 # 3D生成 # 模型 # TRELLIS.2