微软开源 TRELLIS.2 图生 3D 模型
微软开源图生3D模型TRELLIS.2，4B参数，支持1536³分辨率，30-40秒快速生成带纹理的3D模型。
在 3D 内容创作领域，从一张简单的 2D 图片高效生成高质量、可直接使用的 3D 模型，一直是研究者与开发者追求的目标。近日，微软研究院推出了一款名为 TRELLIS.2 的开源图生 3D 模型，为这一领域带来了突破性的进展。该模型基于宽松的 MIT 许可协议开放了模型权重，意味着无论是学术研究还是商业应用，开发者都可以自由地使用、修改和分发这一强大工具。
TRELLIS.2 的核心能力在于，仅需输入一张图片，即可快速生成一个完整的、附带纹理与基于物理渲染（PBR）材质的 3D 模型。这极大地简化了 3D 资产的创作流程，为游戏开发、虚拟现实、影视制作以及电子商务等领域提供了强大的内容生成支持。用户可以通过其官方 Hugging Face 空间在线体验模型效果，也可以访问其 GitHub 仓库获取完整的代码与模型权重，进行本地部署与深入研究。
在技术架构上，TRELLIS.2 是一个拥有 40 亿参数的庞大模型。它采用了基于 流匹配（Flow-Matching） 技术的 Transformer 架构，这种架构通常被称为 Diffusion Transformer（DiT）。流匹配方法在生成高质量、连续的数据分布方面表现出色，为生成细节丰富的 3D 几何与纹理奠定了坚实基础。为了高效处理 3D 数据中常见的复杂拓扑结构，例如开放的表面、非流形几何或内部中空结构，该模型创新性地引入了一种名为 O‑Voxel 的稀疏体素表示法。这种表示方法能够更灵活、更紧凑地编码 3D 形状信息，从而提升了模型的处理效率与生成质量。
在性能表现上，TRELLIS.2 支持生成最高达 1536³ 分辨率 的 3D 模型，确保了输出结果具备丰富的细节。更令人印象深刻的是其生成速度，根据官方介绍，从单张图片推理到一个完整的 3D 模型，整个过程仅需大约 30 到 40 秒。这种高效率使得它在实际生产流水线中具备了极高的应用潜力，能够满足对实时性或大批量生成有要求的场景。
总体而言，微软 TRELLIS.2 的发布标志着图生 3D 技术向实用化迈出了坚实的一步。其开源特性将加速社区在该方向上的创新与合作，我们有望在不久的将来看到更多基于此模型开发的创意应用，进一步降低 3D 内容创作的门槛，推动三维数字化生态的繁荣发展。
