Spirula Studio Vibe 项目
**产品简介** Spirula Studio 是一款跨厂商的 3D Gaussian Splatting(3DGS)
产品简介
Spirula Studio 是一款跨厂商的 3D Gaussian Splatting(3DGS)训练工具,可以从原始照片或视频素材直接训练出可渲染的 splat 模型,并输出带纹理的多边形网格。整个流程在同一个自包含的可执行文件中完成,无需安装 Python、PyTorch 或独立的 COLMAP 依赖。
核心功能
- 跨显卡厂商支持:通过 Vulkan Compute 运行,支持 NVIDIA、AMD、Intel 以及 Apple Silicon GPU,训练 10M 全 SH(球谐函数)高斯在 8GB 显存内即可完成
- 一体化 3DGS 训练流程:从原始图片/视频 → SfM(运动恢复结构)→ 3DGS 训练 → 网格重建,全流程无需外部工具
- 内置快速 SfM 模块:集成式 SfM,不依赖 COLMAP,支持鱼眼镜头和 360° 全景相机原生输入
- 极端显存优化:量化训练策略,可在 8GB 显存内容纳 1000 万个 SH3 高斯点
- AI 遮罩生成:内置 AI 驱动的场景/物体遮罩,简化输入预处理
- 曝光/白平衡校正:基于改进的双边网格和 PPISP 算法,提升质量同时避免色偏和暗角
- 多格式导出:支持深度图/法线图输出、网格重建、天盒(skybox)渲染、线性色彩空间
- 公制尺度恢复:2026 年 9 月新增功能,通过常见视频/图片格式中的遥测元数据恢复场景的真实尺度和朝向
技术实现
Spirula Studio 的核心技术路线融合了当前 3D 重建领域的主流方法。高斯泼溅(Gaussian Splatting)技术通过将场景表示为一组各向异性的高斯椭球体,实现了高质量的实时新视角合成。与传统 NeRF 方法相比,3DGS 在训练速度和渲染速度上有数量级优势。
在 SfM 阶段,Spirula 采用了修改版的运动恢复结构算法,结合 LoMa(Low-memory Matching)特征检测与匹配模块(2026 年 9 月新增),提升了对困难数据集(如低纹理区域、大面积重复图案)的鲁棒性。训练策略上融合了 MCMC、IGS+ 和 MRNF 等方法的优点,在减少漂浮物(floater)和提升锐度之间取得更好平衡。
渲染管线通过 Vulkan Compute 实现跨平台,绕过了 CUDA 特定优化,使 AMD、Intel 以及 Apple M 系列芯片均可获得接近原生性能的表现。2026 年 8 月正式支持 macOS/Apple Silicon,实测在 MacBook Pro M3 Max 上可完成常规场景训练。
快速上手
第一步:前往 GitHub Releases 页面(https://github.com/harry7557558/spirula-studio/releases),下载对应操作系统的最新版本可执行文件。
第二步:确保显卡驱动已更新至支持 Vulkan Compute 的版本(NVIDIA 需 470+、AMD 需 RADV/ANV 驱动、Intel 需最新集成显卡驱动)。
第三步:准备输入数据——一组围绕同一场景或物体拍摄的照片或一段视频,放置在同一文件夹中。
第四步:运行程序,加载数据集文件夹,配置训练参数(默认参数已针对常见场景优化),点击开始训练。
第五步:训练完成后,程序会自动导出带纹理的多边形网格(OBJ/PLY 格式)以及高斯 splat 文件,可在标准 3D 查看器或进一步在 NeRF/3DGS 可视化工具中渲染。
适用人群
- 数字孪生和三维扫描从业者,需要快速从照片生成可交付的 3D 资产
- 游戏和影视资产创作者,用于快速搭建场景原型或背景资产
- 学术研究者,特别是从事三维重建、新视角合成、神经渲染方向的研究人员
- VR/AR 内容开发者,需要轻量化的真实场景 3D 资产
出品方
由独立开发者 harry7557558 开源维护,项目采用 MIT 许可证。社区贡献者包括来自 UTIAS(多伦多大学航天研究院)Flight Systems and Control Lab 的数据集支持,以及 MegaDepth-X 和 Mip-NeRF 360 数据集的贡献者。
更新动态
- 2026 年 9 月:新增公制尺度恢复功能,通过视频/图片 EXIF 遥测数据还原真实尺寸
- 2026 年 9 月:SfM 模块支持 LoMa 特征检测,提升困难场景鲁棒性
- 2026 年 8 月:macOS/Apple Silicon 正式支持
- 2026 年 8 月:多语言界面支持
官方链接
评论与建议
登录 后参与评论或提建议