四步从照片到带纹理网格3D 高斯泼溅工具 Spirula Studio 零依赖上手教程【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studioSpirula Studio 是一款跨厂商 GPU 运行的 3D 高斯泼溅训练工具单个二进制spirula跑通从照片视频采集、稀疏位姿重建、splat 训练到带纹理网格导出的全流程Vulkan 与 CUDA 双后端全程不依赖 Python 环境。三分钟上手最快的路是预编译版从项目 Releases 页选对应平台Windows / Linux / macOS的版本包解压后双击图形界面直接打开零配置。如果坚持源码构建一条命令就够Windows 下对应build_develop.batbash build_develop.bash -DSS_BACKENDvulkanSS_BACKEND有两个取值Vulkan 跑在 NVIDIA、AMD、Intel、Apple 显卡上是通用选择CUDA 面向 NVIDIA。构建完成后双击spirula进 GUI或在终端敲./build_vulkan/spirula --help看全部子命令——训练、SfM 重建、AI 遮罩、网格化都挂在这一个可执行文件下。得益于量化训练8GB 显存也装得下 1000 万个 SH3 高斯。先准备好什么数据数据能不能被打开取决于你的目录长什么样。程序按 Nerfstudio → COLMAP → Metashape 的顺序探测布局命中谁就用谁你只需在数据集根目录放好这些内容图片放在images/遮罩、深度、法线分别放masks/、depths/、normals/按文件名对应COLMAP 稀疏模型自动在sparse/0、colmap/sparse/0、sparse等位置探测多个模型时取注册图片最多的种子点云可选没有点云时解析只得到相机位姿训练器会自动随机播种不报错鱼眼、360° 等距圆柱、完整畸变模型原生支持直接加载训练无需去畸变Metashape 的.psx工程在 Align Photos 之后保存即可直接打开目录里有多个.xml/.psx时用--metashape-xml指名拿不准就逐项对照 docs/datasets.md遮罩规则、相机模型和 360° 约定都写在那里。跑通第一次训练GUI 与 CLI 两个入口指向同一个训练会话第一次训练两条路都通顺。GUI 路线主界面点Open a Dataset或Create Dataset from Photos/Video从照片视频直接建数据集选预设、勾几个基础选项按Start Training原生视口里实时看结果产物默认写入数据集/outputs。CLI 路线./build_vulkan/spirula train 3dgs --data my_dataset3dgs是默认预设另有几个内置预设360-camera环拍相机、hdr高动态范围场景、synthetic合成数据、meshing为后续网格化调优。显存吃紧就加train_resolution_divisor缩小训练分辨率和 GUI 的 Image resolution 选项是同一个开关。远程或长时间训练还有三个习惯值得养成Spirula Studio 默认在 7007 端口起一个 Web 查看器云端 GPU 用 SSH 端口转发就能在浏览器里盯进度中断后接上一次的运行目录用--resumeCtrl-C 中断也会存下可续训的 checkpoint手头有一份不错的 PLY 时用--init-ply暖启动。每个标志的含义由spirula train --help逐条列出帮助文本含简体中文在内的多语言版本。黑盒里装了什么仓库目录结构不必全背分三组看就够了。动手前必看src/config/TrainConfig.h 是全部训练标志的单一事实来源docs/datasets.md 是数据契约用到再看src/engine/训练引擎纯 C 驱动层、src/kernels/投影、光栅化、密度优化、损失等 GPU 核、src/data/数据集管理器与三种格式解析器、src/app/唯一的spirula可执行文件CLI、原生 GUI、Web 查看器、src/sfm/内置运动恢复结构、src/mesh/网格化管线可先忽略src/sam/与src/nn/AI 遮罩与 GPU 推理层、viewer/独立 WebGL2/WASM 查看器、reference/scripts/独立 Python 预处理脚本、src/instantiations/构建期生成代码已提交入库配置单一来源这一点值得单独说。所有标志只在 TrainConfig.h 的一张 X-macro 表里定义一次CLI 参数、--help文本、GUI 选项编辑器、运行时的config.json全部从这张表展开。相当于系统里的一张配置总表每个开关都指向同一页四处入口天然不会互相漂移。卡住了先看这里训练卡住时先排除环境问题吗多数情况不用先对照这张表现象处理显存爆掉 / OOM加train_resolution_divisor降训练分辨率或减小预设的 max splats提示目录不是受支持的数据集对照 docs/datasets.md 核对布局Metashape 用--metashape-xml指定训练中断不想重来--resume 运行目录Ctrl-C 中断本身已保存可续训 checkpoint远程机器没有显示器转发 7007 端口用浏览器看GUI 的基础选项里也能额外挂起 Web 查看器某个标志含义不清spirula train --help列出全部标志的含义与默认值涉及两个后端的能力差异比如内置 SfM 只在 Vulkan 构建里查 docs/backends.md。跑通之后还能做什么第一个 splat 出来后剩下的工具链都在手边。视频抽帧自动挑每段里最清晰的帧支持按运动自适应的抽帧率——静止片段少抽、快速移动片段多抽spirula sfm输出 COLMAP 兼容的sparse/稀疏模型内置 SAM 遮罩能去掉手部、背景这类干扰物然后训练最后spirula mesh输出 PLY、OBJ、GLB 或 STL全程支持顶点色与烘焙纹理贴图。两处长期用得上的地方viewer/目录是一个独立于训练的 WebGL2/WASM 在线查看器reference/scripts/里的抽帧、降采样、去畸变等 Python 脚本是手工跑的预处理不进主流程。想再深入src/app/README.md 记录了 CLI 与 GUI 的预设和配置表docs/下还有架构、数据集、测试等文档。结尾一个二进制、零 Python 依赖、跨厂商 GPUSpirula Studio 把 3D 高斯泼溅的门槛压到了数据放好、按下开始。今天就能做的动作挑一组你熟悉物体的照片放进images/用 GUI 的Create Dataset from Photos/Video建数据集选3dgs预设开始训练——等这段文字读完第一个 splat 应该已经在屏幕上。【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考