Spirula Studio 快速上手第一次训练 3DGS 模型并导出网格【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 是一个自包含的 3D Gaussian Splatting 训练器把照片或视频拖进去它替你完成相机位姿重建、训练和网格化产物是一个可自由视角观看的 Splat 模型和带纹理的 Mesh。全程没有 Python、PyTorch 或 COLMAP——整条流水线打包在一个 C 二进制里通过 Vulkan 和 CUDA 双后端跑在 NVIDIA、AMD、Intel 乃至 Apple 的 GPU 上。传统流程要装多少东西这里只要装多少跑一次 3DGS 的传统路径搭 Python 环境、装 PyTorch、对齐 CUDA 驱动版本、再单独装 COLMAP 做位姿光环境就可能卡掉一下午显存还经常撑不住换机重来。Spirula Studio 把这条链收进一个可执行文件spirulaSfM、训练、网格提取、评估全在里面量化训练让 8GB 显存能塞下 1000 万个 SH3 Gaussian。你甚至可以在云 GPU 上只用一条 SSH 端口转发盯住整个训练。维度传统 Python 流水线Spirula Studio安装成本Python PyTorch COLMAP 各自配置一个可执行文件解压即跑硬件基本绑定 NVIDIAVulkan 后端跨 NVIDIA / AMD / Intel / Apple输入 → 输出照片/视频 → 相机模型 → 切到别的程序训练照片/视频 → Splat 模型 → glb / ply / obj / stl 网格开跑前只确认三件事GPU任意厂商都行。AMD、Intel、Mac 选 Vulkan 后端NVIDIA 想用 CUDA 也可以两者训练与网格化功能完全一致docs/backends.md 有差异细节。注意内置 SfM 和 AI 遮罩只随 Vulkan 构建提供CUDA 构建默认不含。获取方式新手直接下载 Releases 里对应平台的包解压双击打开 GUI。要自己编译AMD / Intel 用户的推荐姿势git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKENDvulkanWindows 用build_develop.bat -DSS_BACKENDvulkan。脚本先跑代码生成再调 CMake Ninja产物在build_vulkan/spirulamacOS 在build/。素材一个照片文件夹或一段视频就够GoPro MAX 的.360也直接认。手里已有 COLMAP / Nerfstudio / Metashape 数据集的话同样直接打开docs/datasets.md 列了全部支持的目录布局。一次跑通从拖入素材到拿到模型 ️拖入素材生成数据集。把照片文件夹或视频直接拖到窗口里。软件按内容自动识别照片走特征匹配与相机重建视频先抽帧自动挑每段窗口里最清晰的一帧再进内置 SfM——现代特征算法如 ALIKED / LightGlue 都已内置。几分钟后屏幕上会出现稀疏点云加相机视锥能看到重建覆盖是否完整。选预设开训。训练界面选一个预设默认3dgs什么也不改拍摄静物选centered-object全景选360-camera。Basic Options 保持默认只把训练步数num_iterations默认 30000改成 2000~3000第一次体验够看。所有高级参数收在 All Options 里带搜索和悬停提示。盯视口等它变清晰。点 Start Training 后右侧视口实时渲染 3D Gaussian Splatting 模型——能明显看到场景从一团模糊逐渐长锐。左侧是逐条日志和 PSNR 曲线。训练进程默认同时在 7007 端口开一个 Web 查看器浏览器打开就能看到同一画面人在本地、模型在云 GPU 上时ssh -L转一下端口即可。结果落地查看 Splat 并导出网格 训练结束后输出目录默认数据集/outputs里有 Splat 模型PLY 格式、每 2000 步一个的 checkpoint以及本次运行的config.json。三种看法GUI 的 Viewer打开 Splat 自由旋转最多 4 个模型同屏对比仓库自带的Web 查看器基于 WebGL2/WASM浏览器里跑不占 GPU见 viewer/README.md训练期间的 Web 页面则适合远程盯着进度。要网格一条命令spirula-mesh checkpoint --format glb --color texturecheckpoint可以是运行目录、step-*.ckpt或splat.ply。--format和--colornone/vertex/texture都接受列表同一次运行会写出全部组合——带纹理的 GLB 给人看、素 STL 送打印机各取所需。文件直接进 Blender 或 DCC 工具。接下来可以试三件事用 AI 遮罩把视频里走过的路人剔掉再训换360-camera预设处理.360全景素材训练中断后用--resume指向 checkpoint 接着跑。几个最常见的坑直接给答案显存不够怎么办量化训练本身已经压到 8GB 能训 10M Gaussian再省就降一档 Image resolution对应train_resolution_divisor或调低cap_max减少最大 Splat 数。AMD / Intel / Mac 能训吗能。选 Vulkan 后端即可跨厂商macOS 走 MoltenVK构建时 CMake 会自动拉取。结果偏大、偏小或歪了数据集创建模块现在会读取视频/图片里的运动遥测元数据来恢复真实比例与朝向重新跑一次数据集创建就能修正。人在本地GPU 在云上用 CLIspirula train --data 数据集目录默认附带 Web 查看器配合ssh -L端口转发浏览器里就能远程盯进度。到这里拖入照片 → 内置 SfM → 训练 → 拿到 Splat 和网格的完整闭环已经走完中间没有装过任何 Python 环境。想再往下挖docs/README.md 索引了架构、后端、数据集等全部文档spirula --help则是 184 个训练字段的入口。【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 Spirula Studio 快速上手：第一次训练 3DGS 模型并导出网格
Spirula Studio 快速上手第一次训练 3DGS 模型并导出网格【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 是一个自包含的 3D Gaussian Splatting 训练器把照片或视频拖进去它替你完成相机位姿重建、训练和网格化产物是一个可自由视角观看的 Splat 模型和带纹理的 Mesh。全程没有 Python、PyTorch 或 COLMAP——整条流水线打包在一个 C 二进制里通过 Vulkan 和 CUDA 双后端跑在 NVIDIA、AMD、Intel 乃至 Apple 的 GPU 上。传统流程要装多少东西这里只要装多少跑一次 3DGS 的传统路径搭 Python 环境、装 PyTorch、对齐 CUDA 驱动版本、再单独装 COLMAP 做位姿光环境就可能卡掉一下午显存还经常撑不住换机重来。Spirula Studio 把这条链收进一个可执行文件spirulaSfM、训练、网格提取、评估全在里面量化训练让 8GB 显存能塞下 1000 万个 SH3 Gaussian。你甚至可以在云 GPU 上只用一条 SSH 端口转发盯住整个训练。维度传统 Python 流水线Spirula Studio安装成本Python PyTorch COLMAP 各自配置一个可执行文件解压即跑硬件基本绑定 NVIDIAVulkan 后端跨 NVIDIA / AMD / Intel / Apple输入 → 输出照片/视频 → 相机模型 → 切到别的程序训练照片/视频 → Splat 模型 → glb / ply / obj / stl 网格开跑前只确认三件事GPU任意厂商都行。AMD、Intel、Mac 选 Vulkan 后端NVIDIA 想用 CUDA 也可以两者训练与网格化功能完全一致docs/backends.md 有差异细节。注意内置 SfM 和 AI 遮罩只随 Vulkan 构建提供CUDA 构建默认不含。获取方式新手直接下载 Releases 里对应平台的包解压双击打开 GUI。要自己编译AMD / Intel 用户的推荐姿势git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKENDvulkanWindows 用build_develop.bat -DSS_BACKENDvulkan。脚本先跑代码生成再调 CMake Ninja产物在build_vulkan/spirulamacOS 在build/。素材一个照片文件夹或一段视频就够GoPro MAX 的.360也直接认。手里已有 COLMAP / Nerfstudio / Metashape 数据集的话同样直接打开docs/datasets.md 列了全部支持的目录布局。一次跑通从拖入素材到拿到模型 ️拖入素材生成数据集。把照片文件夹或视频直接拖到窗口里。软件按内容自动识别照片走特征匹配与相机重建视频先抽帧自动挑每段窗口里最清晰的一帧再进内置 SfM——现代特征算法如 ALIKED / LightGlue 都已内置。几分钟后屏幕上会出现稀疏点云加相机视锥能看到重建覆盖是否完整。选预设开训。训练界面选一个预设默认3dgs什么也不改拍摄静物选centered-object全景选360-camera。Basic Options 保持默认只把训练步数num_iterations默认 30000改成 2000~3000第一次体验够看。所有高级参数收在 All Options 里带搜索和悬停提示。盯视口等它变清晰。点 Start Training 后右侧视口实时渲染 3D Gaussian Splatting 模型——能明显看到场景从一团模糊逐渐长锐。左侧是逐条日志和 PSNR 曲线。训练进程默认同时在 7007 端口开一个 Web 查看器浏览器打开就能看到同一画面人在本地、模型在云 GPU 上时ssh -L转一下端口即可。结果落地查看 Splat 并导出网格 训练结束后输出目录默认数据集/outputs里有 Splat 模型PLY 格式、每 2000 步一个的 checkpoint以及本次运行的config.json。三种看法GUI 的 Viewer打开 Splat 自由旋转最多 4 个模型同屏对比仓库自带的Web 查看器基于 WebGL2/WASM浏览器里跑不占 GPU见 viewer/README.md训练期间的 Web 页面则适合远程盯着进度。要网格一条命令spirula-mesh checkpoint --format glb --color texturecheckpoint可以是运行目录、step-*.ckpt或splat.ply。--format和--colornone/vertex/texture都接受列表同一次运行会写出全部组合——带纹理的 GLB 给人看、素 STL 送打印机各取所需。文件直接进 Blender 或 DCC 工具。接下来可以试三件事用 AI 遮罩把视频里走过的路人剔掉再训换360-camera预设处理.360全景素材训练中断后用--resume指向 checkpoint 接着跑。几个最常见的坑直接给答案显存不够怎么办量化训练本身已经压到 8GB 能训 10M Gaussian再省就降一档 Image resolution对应train_resolution_divisor或调低cap_max减少最大 Splat 数。AMD / Intel / Mac 能训吗能。选 Vulkan 后端即可跨厂商macOS 走 MoltenVK构建时 CMake 会自动拉取。结果偏大、偏小或歪了数据集创建模块现在会读取视频/图片里的运动遥测元数据来恢复真实比例与朝向重新跑一次数据集创建就能修正。人在本地GPU 在云上用 CLIspirula train --data 数据集目录默认附带 Web 查看器配合ssh -L端口转发浏览器里就能远程盯进度。到这里拖入照片 → 内置 SfM → 训练 → 拿到 Splat 和网格的完整闭环已经走完中间没有装过任何 Python 环境。想再往下挖docs/README.md 索引了架构、后端、数据集等全部文档spirula --help则是 184 个训练字段的入口。【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