标签：AI 模型 生成 -- video Trellis Microsoft 3D

微软Trellis：开启3D生成新纪元

• 阅读时长：8分钟
• 图片来源：微软研究院

近日热文：全网最全的神经网络数学原理（代码和公式）直观解释
欢迎关注知乎和公众号的专栏内容
LLM架构专栏
知乎LLM专栏
知乎【柏企】
公众号【柏企科技说】【柏企阅文】

几周前，微软推出了一种名为Trellis的全新3D生成方法，可用于创建多功能且高质量的3D资源。该模型使用统一的结构化潜在表示（SLAT），通过将稀疏3D网格与多视图视觉特征相结合，解码为多种格式，如辐射场、3D高斯和网格 。

听起来可能有点复杂，但简单来说，Trellis非常擅长创建看起来逼真且与你提供的描述或图片相匹配的高质量3D模型。对于艺术家、开发者和设计师而言，它是一个能够高效制作出令人惊叹的3D内容的强大工具。

我过去曾谈论过基于人工智能的3D对象生成器，但Trellis在速度和质量方面尤其令人印象深刻。

Trellis如何工作？

该方法使用整流流变换器，与现有方法相比取得了更优异的结果，并展现出灵活的编辑能力。

该模型在包含50万个对象的大型3D资源数据集上进行训练，通过大量实验和用户研究表明，它在质量和通用性方面超越了现有方法。

Trellis中的3D对象生成是一个两阶段的过程，使用一种名为“结构化潜在表示（SLAT）”的特殊代码 。

具体工作流程如下：

第一阶段：构建结构

• 稀疏结构：Trellis首先使用一组“活动体素”创建对象的基本框架。体素就像是3D空间中的微小立方体，活动体素勾勒出对象的大致形状。可以想象搭建乐高模型时，先把主要的积木拼在一起以得到大致形状。
• 结构压缩：为了提高效率，Trellis使用变分自动编码器（VAE）技术将这个框架压缩为一组更小的指令。
• 生成框架：Trellis使用一种名为“整流流变换器”的特殊人工智能，将这些精简后的指令转化为对象框架的详细计划。这个计划会准确地告诉计算机在3D空间中放置活动体素的位置。

第二阶段：添加细节

• 局部潜在表示：框架搭建好后，Trellis使用“局部潜在表示”为每个活动体素添加细节。这些潜在表示包含了对象外观的信息，如颜色和纹理。
• 特征聚合：为了确定每个局部潜在表示的样子，Trellis使用强大的视觉模型DINOv2。这个视觉模型从多个不同角度分析对象的图片，并提取重要特征，如边缘、形状和颜色。
• 生成细节：Trellis使用另一个整流流变换器将这些特征转化为详细的局部潜在表示。然后将这些潜在表示附加到活动体素上，从而完成3D模型的创建。

这个两阶段的过程使Trellis能够高效地创建高质量的3D模型。它利用人工智能和计算机视觉的力量，从文本描述或图片中理解并重新创建复杂的3D对象。

Trellis可以将这种SLAT表示转换为各种3D模型格式，例如：

• 3D高斯
• 辐射场
• 网格

看看这些高质量的示例：

Trellis压缩结构和添加细节的方式，让人想起专业3D艺术家的工作流程 —— 从基础网格开始，然后分层添加细节。然而，与人类艺术家不同的是，Trellis完成这些工作所需的时间极短。

如何试用Trellis？

你可以在HuggingFace上试用Trellis。上传一张图片，然后点击“生成”即可创建一个3D资源。如果图片有alpha通道，它将被用作遮罩。你可以调整生成设置或GLB提取设置，也可以保留默认设置。

以下是示例3D输出：

如果你对生成的3D资源感到满意，点击“Extract GLB”提取GLB文件并下载。你还可以在GLTF Viewer等在线工具中查看3D资源。

注意：高斯文件可能非常大（约50MB），显示和下载可能需要一些时间。

以下是更多示例：

• 提示词：具有金银设计的球形机器人。
• 结果：整体看起来相当不错。金银纹理增添了不错的效果，从远处看很棒。但如果放大，会发现它仍然是低多边形模型。细节不够精细，有些边缘看起来很粗糙。不过，对于如此快速生成的模型来说，很难挑剔。如果你追求速度，并且该模型对于大多数用例来说已经足够好，那么这个结果是相当不错的。

这里还有一个以图片作为输入的示例。我真的很喜欢生成的3D模型与原始参考图片的高度相似性。整体形状和结构非常准确，这非常令人印象深刻。但是当你关注较小的细节，比如绳索或侧面复杂的纹理时，它们并不完美。即便如此，从正常观看距离看，它仍然看起来相当不错。对于在几秒钟内生成的模型来说，它比我预期的要好。如果你能接受一些小瑕疵，这是一个非常好的起点。

Trellis还擅长根据文本提示创建单个3D对象的多个变体。这个功能非常适合快速迭代设计。

不仅如此，Trellis在创作复杂且充满活力的3D艺术设计方面也表现出色。

这个3D场景的质量给我留下了深刻的印象。微软凭借这个高质量、可扩展的模型，为3D生成设定了新的标准。事实上，一些用户已经将使用Trellis创建的模型进行了3D打印，这太酷了！

在本地运行Trellis

你可以在GitHub上找到Trellis的代码，并按照以下步骤在本地运行：

1. 克隆存储库：

git clone --recurse-submodules https://github.com/microsoft/TRELLIS.git
cd TRELLIS

2. 创建一个名为trellis的新conda环境并安装依赖项：

. ./setup.sh --new-env --basic --xformers --flash-attn --diffoctreerast --spconv --mipgaussian --kaolin --nvdiffrast

运行. ./setup.sh --help可以查看setup.sh的详细用法。

Usage: setup.sh [OPTIONS]
Options:
 -h,

以下是如何使用预训练模型进行3D资源生成的示例：

import os
os.environ['SPCONV_ALGO'] = 'native'
import imageio
from PIL import Image
from trellis.pipelines import TrellisImageTo3DPipeline
from trellis.utils import render_utils, postprocessing_utils

pipeline = TrellisImageTo3DPipeline.from_pretrained("JeffreyXiang/TRELLIS-image-large")
pipeline.cuda()
image = Image.open("assets/example_image/T.png")
outputs = pipeline.run(
    image,
    seed=1,
)
video = render_utils.render_video(outputs['gaussian'][0])['color']
imageio.mimsave("sample_gs.mp4", video, fps=30)
video = render_utils.render_video(outputs['radiance_field'][0])['color']
imageio.mimsave("sample_rf.mp4", video, fps=30)
video = render_utils.render_video(outputs['mesh'][0])['normal']
imageio.mimsave("sample_mesh.mp4", video, fps=30)
glb = postprocessing_utils.to_glb(
    outputs['gaussian'][0],
    outputs['mesh'][0],
    simplify=0.95,
    texture_size=1024,
)
glb.export("sample.glb")
outputs['gaussian'][0].save_ply("sample.ply")

运行结果如下：

• sample_gs.mp4：展示3D高斯表示的视频
• sample_rf.mp4：展示辐射场表示的视频
• sample_mesh.mp4：展示网格表示的视频
• sample.glb：包含提取的带纹理网格的GLB文件
• sample.ply：包含3D高斯表示的PLY文件

总结

Trellis不仅生成的模型质量不错，而且生成速度非常快，能在几秒钟内完成，这是向前迈出的一大步，也为未来的迭代发展展现出巨大的潜力。

不过，它并非完美无缺。复杂的模型，尤其是涉及人类特征的模型，可能会使它出现问题。但对于那些不懂或不想学习3D建模的人来说，它仍然是一个了不起的工具。

作为一名开发者，我迫不及待地想要获得API访问权限。能够快速创建3D资源开启了众多可能性。游戏开发者和动画师会发现它非常有用，我很期待看到社区利用它创造出什么。

相关文章：
本文发布于生成式人工智能板块。在领英上与我们联系，关注Zeniteq，及时了解最新的人工智能资讯。

订阅我们的时事通讯和YouTube频道，获取关于生成式人工智能的最新消息和更新。让我们一起塑造人工智能的未来！ # 微软Trellis：开启3D生成新纪元

• 阅读时长：8分钟
• 发布时间：6天前
• 图片来源：微软研究院

几周前，微软推出了一种名为Trellis的全新3D生成方法，可用于创建多功能且高质量的3D资源。该模型使用统一的结构化潜在表示（SLAT），通过将稀疏3D网格与多视图视觉特征相结合，解码为多种格式，如辐射场、3D高斯和网格 。

听起来可能有点复杂，但简单来说，Trellis非常擅长创建看起来逼真且与你提供的描述或图片相匹配的高质量3D模型。对于艺术家、开发者和设计师而言，它是一个能够高效制作出令人惊叹的3D内容的强大工具。

我过去曾谈论过基于人工智能的3D对象生成器，但Trellis在速度和质量方面尤其令人印象深刻。

Trellis如何工作？

该方法使用整流流变换器，与现有方法相比取得了更优异的结果，并展现出灵活的编辑能力。

该模型在包含50万个对象的大型3D资源数据集上进行训练，通过大量实验和用户研究表明，它在质量和通用性方面超越了现有方法。

Trellis中的3D对象生成是一个两阶段的过程，使用一种名为“结构化潜在表示（SLAT）”的特殊代码 。

具体工作流程如下：

第一阶段：构建结构

• 稀疏结构：Trellis首先使用一组“活动体素”创建对象的基本框架。体素就像是3D空间中的微小立方体，活动体素勾勒出对象的大致形状。可以想象搭建乐高模型时，先把主要的积木拼在一起以得到大致形状。
• 结构压缩：为了提高效率，Trellis使用变分自动编码器（VAE）技术将这个框架压缩为一组更小的指令。
• 生成框架：Trellis使用一种名为“整流流变换器”的特殊人工智能，将这些精简后的指令转化为对象框架的详细计划。这个计划会准确地告诉计算机在3D空间中放置活动体素的位置。

第二阶段：添加细节

• 局部潜在表示：框架搭建好后，Trellis使用“局部潜在表示”为每个活动体素添加细节。这些潜在表示包含了对象外观的信息，如颜色和纹理。
• 特征聚合：为了确定每个局部潜在表示的样子，Trellis使用强大的视觉模型DINOv2。这个视觉模型从多个不同角度分析对象的图片，并提取重要特征，如边缘、形状和颜色。
• 生成细节：Trellis使用另一个整流流变换器将这些特征转化为详细的局部潜在表示。然后将这些潜在表示附加到活动体素上，从而完成3D模型的创建。

这个两阶段的过程使Trellis能够高效地创建高质量的3D模型。它利用人工智能和计算机视觉的力量，从文本描述或图片中理解并重新创建复杂的3D对象。

Trellis可以将这种SLAT表示转换为各种3D模型格式，例如：

• 3D高斯
• 辐射场
• 网格

看看这些高质量的示例：

Trellis压缩结构和添加细节的方式，让人想起专业3D艺术家的工作流程 —— 从基础网格开始，然后分层添加细节。然而，与人类艺术家不同的是，Trellis完成这些工作所需的时间极短。

如何试用Trellis？

你可以在HuggingFace上试用Trellis。上传一张图片，然后点击“生成”即可创建一个3D资源。如果图片有alpha通道，它将被用作遮罩。你可以调整生成设置或GLB提取设置，也可以保留默认设置。

以下是示例3D输出：

如果你对生成的3D资源感到满意，点击“Extract GLB”提取GLB文件并下载。你还可以在GLTF Viewer等在线工具中查看3D资源。

注意：高斯文件可能非常大（约50MB），显示和下载可能需要一些时间。

以下是更多示例：

• 提示词：具有金银设计的球形机器人。
• 结果：整体看起来相当不错。金银纹理增添了不错的效果，从远处看很棒。但如果放大，会发现它仍然是低多边形模型。细节不够精细，有些边缘看起来很粗糙。不过，对于如此快速生成的模型来说，很难挑剔。如果你追求速度，并且该模型对于大多数用例来说已经足够好，那么这个结果是相当不错的。

这里还有一个以图片作为输入的示例。我真的很喜欢生成的3D模型与原始参考图片的高度相似性。整体形状和结构非常准确，这非常令人印象深刻。但是当你关注较小的细节，比如绳索或侧面复杂的纹理时，它们并不完美。即便如此，从正常观看距离看，它仍然看起来相当不错。对于在几秒钟内生成的模型来说，它比我预期的要好。如果你能接受一些小瑕疵，这是一个非常好的起点。

Trellis还擅长根据文本提示创建单个3D对象的多个变体。这个功能非常适合快速迭代设计。

不仅如此，Trellis在创作复杂且充满活力的3D艺术设计方面也表现出色。

这个3D场景的质量给我留下了深刻的印象。微软凭借这个高质量、可扩展的模型，为3D生成设定了新的标准。事实上，一些用户已经将使用Trellis创建的模型进行了3D打印，这太酷了！

在本地运行Trellis

你可以在GitHub上找到Trellis的代码，并按照以下步骤在本地运行：

1. 克隆存储库：

git clone --recurse-submodules https://github.com/microsoft/TRELLIS.git
cd TRELLIS

2. 创建一个名为trellis的新conda环境并安装依赖项：

. ./setup.sh --new-env --basic --xformers --flash-attn --diffoctreerast --spconv --mipgaussian --kaolin --nvdiffrast

运行. ./setup.sh --help可以查看setup.sh的详细用法。

Usage: setup.sh [OPTIONS]
Options:
 -h,

以下是如何使用预训练模型进行3D资源生成的示例：

import os
os.environ['SPCONV_ALGO'] = 'native'
import imageio
from PIL import Image
from trellis.pipelines import TrellisImageTo3DPipeline
from trellis.utils import render_utils, postprocessing_utils

pipeline = TrellisImageTo3DPipeline.from_pretrained("JeffreyXiang/TRELLIS-image-large")
pipeline.cuda()
image = Image.open("assets/example_image/T.png")
outputs = pipeline.run(
    image,
    seed=1,
)
video = render_utils.render_video(outputs['gaussian'][0])['color']
imageio.mimsave("sample_gs.mp4", video, fps=30)
video = render_utils.render_video(outputs['radiance_field'][0])['color']
imageio.mimsave("sample_rf.mp4", video, fps=30)
video = render_utils.render_video(outputs['mesh'][0])['normal']
imageio.mimsave("sample_mesh.mp4", video, fps=30)
glb = postprocessing_utils.to_glb(
    outputs['gaussian'][0],
    outputs['mesh'][0],
    simplify=0.95,
    texture_size=1024,
)
glb.export("sample.glb")
outputs['gaussian'][0].save_ply("sample.ply")

本文由mdnice多平台发布

标签：AI,模型,生成,--,video,Trellis,Microsoft,3D
From： https://www.cnblogs.com/tunancbq/p/18675801