Sperid Labs 发 Idol：一张照片变百万 Gaussian 3D 物体

Sperid Labs 发布 Idol：一个 600M 参数的 3D-DiT，从单张图片生成完整 3D Gaussian splat——包括照片从未拍到的侧面。模型基于 DINOv3 ViT-H+ 和 FLUX.2 VAE 做图像条件，DiT 370M + 解码器 288M，Euler 采样 50 步、CFG 3.0。输出为标准 3DGS .ply 文件，粒度从 32,768 到 1,048,576 Gaussians 可调（默认 262,144），最小粒度仅 0.4 MB。

它改变的是 3D 内容的获取方式：过去做 3D 物体需要扫描、建模或摄影测量，现在一张照片、一张渲染图甚至一个 AI 生成图就能直接变成可旋转的 3D splat。模型在 8 项对比指标中 6 项领先 TripoSplat、TRELLIS、LGM 等同类（DINOv2 0.781 vs 0.743、CLIP 0.885 vs 0.868、IoU 0.862 vs 0.860），仅 PSNR 和请求时间落后。消费级 GPU 即可运行：RTX 4090 用 19.1 秒、RTX 3080 用 46.2 秒，B300 仅 3.4 秒。权重、代码与 demo 全部 Apache 2.0 开源，HF Space 提供在线试用。

原文链接：Sperid Labs 官方页面