0.7秒“秒变”3D！Stability AI的SPAR3D模型重塑3D重建新速度
AI ToolBox
2025年7月21日
突破性模型 SPAR3D 加速图像三维重建
在计算机视觉领域，单图像3D重建技术因其能从二维图像中还原三维物体的形状与结构，成为研究热点。近日，知名开源平台 Stability-AI 推出创新模型 SPAR3D，将重建速度提升至仅需 0.7秒，为行业带来深远影响。
单图像3D重建面临诸多挑战，主流技术路线包括基于回归的方法与生成式建模方法。前者在推断可见区域时效率较高，但对遮挡部分的表面和纹理估计不够准确；后者虽能更好地处理不确定区域，却存在计算开销大、结果对齐差的问题。
SPAR3D 成功融合了这两种方法的优势，有效克服了各自的局限，显著提升了重建的效率与精度。
高效架构设计：点采样与网格化双阶段
SPAR3D 的整体架构由两个关键阶段构成：
- 点采样阶段：核心为点扩散模型，可从输入图像生成稀疏点云，包含 XYZ 坐标与 RGB 颜色信息。该模型基于 DDPM（去噪扩散概率模型）框架，通过引入高斯噪声并使用去噪器进行反向学习，掌握从噪声点云中恢复原始点云的能力。在推理过程中，采用 DDIM 采样器生成点云，并借助分类器自由引导（CFG）提升细节保真度。
- 网格化阶段：目标是从图像与点云生成带纹理的三维网格。SPAR3D 引入大型三平面 Transformer，能够从输入数据中预测三平面特征，进而估计物体的几何结构、表面纹理及光照信息。训练过程中，通过可微渲染器与渲染损失函数对模型进行监督，确保输出结果具备高质量与真实感。
卓越性能：全面超越传统方法
在 GSO 与 OmniObject3D 数据集上的测试结果表明，SPAR3D 在多个关键指标上均优于传统方法：
- GSO 数据集 ：CD（Chamfer Distance）值为 0.120，FS@0.1 达 0.584，PSNR（峰值信噪比）为 18.6。
- OmniObject3D 数据集 ： CD 值为 0.122，FS@0.1 为 0.587，PSNR 为 17.9。
这些数据充分体现了 SPAR3D 在几何结构与纹理质量方面的出色表现，展示了其在实际应用中的广阔前景。
开放未来：技术共享驱动创新
随着技术演进与应用场景的不断拓展，SPAR3D 有望在计算机视觉与三维重建领域发挥关键作用。其开源属性为开发者和研究人员提供了丰富的探索空间，推动更多创新成果的诞生。
如需获取 SPAR3D 的开源代码与模型，请访问：