TRELLIS 是一个大型 3D 资产生成模型项目，其核心是统一的结构化潜在（SLAT）表示，支持解码为不同输出格式，并配备专为 SLAT 设计的 Rectified Flow Transformers 作为强大的骨干网络。
主要特点
- 高质量：生成的 3D 资产质量高，具有复杂的形状和纹理细节。
- 多功能性：接受文本或图像提示，可生成各种最终 3D 表示，包括但不限于辐射场、3D 高斯和网格，以适应不同的下游需求。
- 灵活编辑：允许轻松编辑生成的 3D 资产，例如生成同一对象的变体或对 3D 资产进行局部编辑。
预训练模型
提供了多个预训练模型，包括：
注：建议使用图像条件版本的模型以获得更好的性能，所有 VAE 都包含在 TRELLIS-image-large 模型仓库中。
安装
先决条件
- 系统：目前仅在 Linux 上测试过，Windows 安装可参考相关问题（未完全测试）。
- 硬件：需要至少 16GB 内存的 NVIDIA GPU，已在 NVIDIA A100 和 A6000 GPU 上验证。
- 软件：需要 CUDA Toolkit（代码已测试 CUDA 11.8 和 12.2 版本），推荐使用 Conda 管理依赖，Python 版本需 3.8 或更高。
安装步骤
- 克隆仓库：
git clone --recurse-submodules https://github.com/microsoft/TRELLIS.git
cd TRELLIS
- 安装依赖：
可使用 setup.sh 脚本，例如创建名为 trellis 的新 conda 环境并安装依赖：
. ./setup.sh --new-env --basic --xformers --flash-attn --diffoctreerast --spconv --mipgaussian --kaolin --nvdiffrast
setup.sh 有多种选项，可通过 . ./setup.sh --help 查看详细用法。
训练
TRELLIS 的训练
框架提供了灵活且模块化的方法来构建和微调大型 3D 生成模型，训练代码以 train.py 为中心，结构清晰，分为多个目录，分别处理数据集、模型组件、训练逻辑和可视化工具等。训练超参数和模型架构在 configs/ 目录下的配置文件中定义。
仅供个人学习参考/导航指引使用，具体请以第三方网站说明为准，本站不提供任何专业建议。如果地址失效或描述有误，请联系站长反馈～感谢您的理解与支持！
链接: https://fly63.com/nav/4247
