Spirula Studio 快速上手第一次訓(xùn)練 3DGS 模型并導(dǎo)出網(wǎng)格【免費(fèi)下載鏈接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studioSpirula Studio 是一個自包含的 3D Gaussian Splatting 訓(xùn)練器把照片或視頻拖進(jìn)去它替你完成相機(jī)位姿重建、訓(xùn)練和網(wǎng)格化產(chǎn)物是一個可自由視角觀看的 Splat 模型和帶紋理的 Mesh。全程沒有 Python、PyTorch 或 COLMAP——整條流水線打包在一個 C 二進(jìn)制里通過 Vulkan 和 CUDA 雙后端跑在 NVIDIA、AMD、Intel 乃至 Apple 的 GPU 上。傳統(tǒng)流程要裝多少東西這里只要裝多少跑一次 3DGS 的傳統(tǒng)路徑搭 Python 環(huán)境、裝 PyTorch、對齊 CUDA 驅(qū)動版本、再單獨(dú)裝 COLMAP 做位姿光環(huán)境就可能卡掉一下午顯存還經(jīng)常撐不住換機(jī)重來。Spirula Studio 把這條鏈?zhǔn)者M(jìn)一個可執(zhí)行文件spirulaSfM、訓(xùn)練、網(wǎng)格提取、評估全在里面量化訓(xùn)練讓 8GB 顯存能塞下 1000 萬個 SH3 Gaussian。你甚至可以在云 GPU 上只用一條 SSH 端口轉(zhuǎn)發(fā)盯住整個訓(xùn)練。維度傳統(tǒng) Python 流水線Spirula Studio安裝成本Python PyTorch COLMAP 各自配置一個可執(zhí)行文件解壓即跑硬件基本綁定 NVIDIAVulkan 后端跨 NVIDIA / AMD / Intel / Apple輸入 → 輸出照片/視頻 → 相機(jī)模型 → 切到別的程序訓(xùn)練照片/視頻 → Splat 模型 → glb / ply / obj / stl 網(wǎng)格開跑前只確認(rèn)三件事GPU任意廠商都行。AMD、Intel、Mac 選 Vulkan 后端NVIDIA 想用 CUDA 也可以兩者訓(xùn)練與網(wǎng)格化功能完全一致docs/backends.md 有差異細(xì)節(jié)。注意內(nèi)置 SfM 和 AI 遮罩只隨 Vulkan 構(gòu)建提供CUDA 構(gòu)建默認(rèn)不含。獲取方式新手直接下載 Releases 里對應(yīng)平臺的包解壓雙擊打開 GUI。要自己編譯AMD / Intel 用戶的推薦姿勢git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKENDvulkanWindows 用build_develop.bat -DSS_BACKENDvulkan。腳本先跑代碼生成再調(diào) CMake Ninja產(chǎn)物在build_vulkan/spirulamacOS 在build/。素材一個照片文件夾或一段視頻就夠GoPro MAX 的.360也直接認(rèn)。手里已有 COLMAP / Nerfstudio / Metashape 數(shù)據(jù)集的話同樣直接打開docs/datasets.md 列了全部支持的目錄布局。一次跑通從拖入素材到拿到模型 ?拖入素材生成數(shù)據(jù)集。把照片文件夾或視頻直接拖到窗口里。軟件按內(nèi)容自動識別照片走特征匹配與相機(jī)重建視頻先抽幀自動挑每段窗口里最清晰的一幀再進(jìn)內(nèi)置 SfM——現(xiàn)代特征算法如 ALIKED / LightGlue 都已內(nèi)置。幾分鐘后屏幕上會出現(xiàn)稀疏點(diǎn)云加相機(jī)視錐能看到重建覆蓋是否完整。選預(yù)設(shè)開訓(xùn)。訓(xùn)練界面選一個預(yù)設(shè)默認(rèn)3dgs什么也不改拍攝靜物選centered-object全景選360-camera。Basic Options 保持默認(rèn)只把訓(xùn)練步數(shù)num_iterations默認(rèn) 30000改成 2000~3000第一次體驗(yàn)夠看。所有高級參數(shù)收在 All Options 里帶搜索和懸停提示。盯視口等它變清晰。點(diǎn) Start Training 后右側(cè)視口實(shí)時渲染 3D Gaussian Splatting 模型——能明顯看到場景從一團(tuán)模糊逐漸長銳。左側(cè)是逐條日志和 PSNR 曲線。訓(xùn)練進(jìn)程默認(rèn)同時在 7007 端口開一個 Web 查看器瀏覽器打開就能看到同一畫面人在本地、模型在云 GPU 上時ssh -L轉(zhuǎn)一下端口即可。結(jié)果落地查看 Splat 并導(dǎo)出網(wǎng)格 訓(xùn)練結(jié)束后輸出目錄默認(rèn)數(shù)據(jù)集/outputs里有 Splat 模型PLY 格式、每 2000 步一個的 checkpoint以及本次運(yùn)行的config.json。三種看法GUI 的 Viewer打開 Splat 自由旋轉(zhuǎn)最多 4 個模型同屏對比倉庫自帶的Web 查看器基于 WebGL2/WASM瀏覽器里跑不占 GPU見 viewer/README.md訓(xùn)練期間的 Web 頁面則適合遠(yuǎn)程盯著進(jìn)度。要網(wǎng)格一條命令spirula-mesh checkpoint --format glb --color texturecheckpoint可以是運(yùn)行目錄、step-*.ckpt或splat.ply。--format和--colornone/vertex/texture都接受列表同一次運(yùn)行會寫出全部組合——帶紋理的 GLB 給人看、素 STL 送打印機(jī)各取所需。文件直接進(jìn) Blender 或 DCC 工具。接下來可以試三件事用 AI 遮罩把視頻里走過的路人剔掉再訓(xùn)換360-camera預(yù)設(shè)處理.360全景素材訓(xùn)練中斷后用--resume指向 checkpoint 接著跑。幾個最常見的坑直接給答案顯存不夠怎么辦量化訓(xùn)練本身已經(jīng)壓到 8GB 能訓(xùn) 10M Gaussian再省就降一檔 Image resolution對應(yīng)train_resolution_divisor或調(diào)低cap_max減少最大 Splat 數(shù)。AMD / Intel / Mac 能訓(xùn)嗎能。選 Vulkan 后端即可跨廠商macOS 走 MoltenVK構(gòu)建時 CMake 會自動拉取。結(jié)果偏大、偏小或歪了數(shù)據(jù)集創(chuàng)建模塊現(xiàn)在會讀取視頻/圖片里的運(yùn)動遙測元數(shù)據(jù)來恢復(fù)真實(shí)比例與朝向重新跑一次數(shù)據(jù)集創(chuàng)建就能修正。人在本地GPU 在云上用 CLIspirula train --data 數(shù)據(jù)集目錄默認(rèn)附帶 Web 查看器配合ssh -L端口轉(zhuǎn)發(fā)瀏覽器里就能遠(yuǎn)程盯進(jìn)度。到這里拖入照片 → 內(nèi)置 SfM → 訓(xùn)練 → 拿到 Splat 和網(wǎng)格的完整閉環(huán)已經(jīng)走完中間沒有裝過任何 Python 環(huán)境。想再往下挖docs/README.md 索引了架構(gòu)、后端、數(shù)據(jù)集等全部文檔spirula --help則是 184 個訓(xùn)練字段的入口?！久赓M(fèi)下載鏈接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考