Microsoft TRELLIS.2：一張圖片，三秒鐘，完整 PBR 材質的 3D 模型
Microsoft Research 與清華大學聯合發布 TRELLIS.2，一個 4B 參數的開源圖片轉 3D 模型，在 NVIDIA H100 上最低解析度只需約 3 秒，輸出包含完整 PBR 材質貼圖，MIT 授權免費使用。
目錄+
如果你還在用 NeRF 或 SDF 做 3D 重建，TRELLIS.2 的出現可能會讓你重新評估整個工作流程。
Microsoft Research 與清華大學聯合推出的 TRELLIS.2 是一個 4B 參數的圖片轉 3D 生成模型，MIT 授權開源，在 NVIDIA H100 上的實測速度：512³ 解析度約 3 秒（2 秒 shape + 1 秒 material），1024³ 約 17 秒，1536³ 約 60 秒。輸出格式支援 GLB、PLY、OBJ，並帶有完整的 PBR 材質（base color、roughness、metallic、opacity）。
O-Voxel：為什麼這次不一樣
傳統的 image-to-3D 方法大多依賴隱式場（SDF、NeRF）或 iso-surface 表示，這些方法在處理開放表面（衣物、葉片）、非流形幾何（複雜形狀）、內部中空結構時容易出問題。
TRELLIS.2 引入了 O-Voxel（Omni-Voxel）表示，是一種「field-free」的稀疏體素結構，不依賴隱式場，直接處理任意拓撲的 3D 幾何。核心是 Sparse 3D VAE，做 16 倍空間下採樣，把 3D 資產壓進緊湊的 latent space。
官方 GitHub（microsoft/TRELLIS.2）提供了完整的訓練程式碼，讓研究者可以從頭訓練或在自訂資料集上 fine-tune。arXiv 論文編號為 2512.14692，這個方向的前身 TRELLIS（非 .2 版本）是 CVPR 2025 Spotlight 論文。
跑起來需要什麼
- Linux 系統，NVIDIA GPU 至少 24GB VRAM（A100、H100 實測）
- Python 環境依賴 nvdiffrast、nvdiffrec、CuMesh、FlexGEMM
- 模型在 HuggingFace 上以
microsoft/TRELLIS.2-4B發布 - MIT 授權，但 nvdiffrast 和 nvdiffrec 有各自的授權條款需確認
如果沒有高端 GPU，官方提供了 HuggingFace Spaces 的 demo，也有第三方網頁版（如 trellis2.app、3daistudio.com）可以免費試用，不需要本地環境。
在同類工具中的位置
社群對各 image-to-3D 工具的共識，目前大約是：
- TRELLIS / TRELLIS.2：視覺保真度最高，適合遊戲、電商 3D 展示
- Tripo、Rodin：shape accuracy 評分略高，多視角重建支援更好
- Meshy：3D 列印輸出品質最佳，商業工具生態完整
- Hunyuan3D-2（Tencent）：支援 text-to-3D，拓撲品質較好（boundary vertices 更少）
TRELLIS.2 的明顯限制：只接受圖片輸入（無 text-to-3D）、無多視角重建、需要高端 GPU 自行架設或透過第三方平台。
但有幾件事值得注意
tweet 說「3 秒鐘」，這個數字對應的是 512³ 解析度在 H100 上的速度。如果你用的是 A100 或更低，時間會拉長；如果需要更高解析度的輸出，60 秒更接近實際。
更根本的問題是：24GB VRAM 的門檻把大部分個人開發者排除在外。在這個條件下，「免費開源」的前提是你能負擔得起相應的硬體或雲端算力。
另外，雖然 MIT 授權，但 nvdiffrast 和 nvdiffrec 的使用條款需要個別確認，商業使用前務必審閱。
CVPR 2025 的前代 TRELLIS 已經建立了不錯的基礎，TRELLIS.2 在此之上做了架構改進。開源且有完整訓練程式碼，意味著接下來的社群 fine-tune 版本（低 VRAM、量化、更快推理）很可能在幾個月內出現。