Speridlabs 发布 Idol：单图生成高质量 3D Gaussian Splatting 模型

总结了「Idol」的概要。

1. 什么是Idol

“Idol”是一个能从单张图片生成3D对象的AI模型。它由“Speridlabs”于2026年10月发布。

当输入照片或CG图像时，AI会推测画面中未显示的背面部分，从而生成可从360度视角观察的3D对象。

生成形式采用了3D Gaussian Splatting（3DGS）。这是一种在3D空间中放置大量半透明椭球体（Gaussian），以表现物体形状和外观的技术。

主要特征如下：

・从单张图片生成3D：包含未可见部分的生成
・3DGS格式：输出为PLY文件
・轻量级模型：约6.6亿参数，峰值VRAM约7.2GB
・高速生成：B300上约3.4秒，RTX 4090上约19.1秒
・开源：代码和预训练模型以Apache 2.0许可证公开

2. Idol的机制

2-1. 从图像生成3D的流程

Idol提取图像特征，并使用扩散模型生成3D Gaussian。

处理流程如下。

(1) 图像输入：读取照片或CG图像
(2) 预处理：去除背景，提取物体
(3) 特征提取：使用DINOv3和FLUX.2 VAE提取图像特征
(4) 3D生成：通过Diffusion Transformer（DiT）生成3D表示
(5) 输出：将3D Gaussian保存为PLY文件

模型本体约有6.6亿参数，但若包含图像识别模型等在内的整个推理系统，则总参数量约为18亿。

2-2. 什么是3D高斯溅射（3D Gaussian Splatting）

3D高斯溅射是一种用大量高斯分布而非多边形来表现物体的技术。

・多边形网格：通过顶点和面来表现物体表面
・3DGS：通过高斯的位置、大小、颜色、透明度等来表现外观

3DGS适合高质量渲染，但无法直接用于类似常规多边形网格的形状编辑或3D打印。

3. 与相似模型的比较

3-1. 主要相似模型

以下是从单张图像生成3D对象的代表性模型：

・Idol：重视3DGS的生成质量与速度的平衡
・TripoSplat：从图像生成3DGS
・TRELLIS：可生成3DGS、多边形网格等
・LGM：专注于3DGS的高速生成

3-2. 生成精度与速度的比较

在Idol的官方基准测试中，使用NVIDIA H100报告了以下结果。

指标的含义如下：

・SSIM ↑：与输入图像的结构相似度。越高越好
・LPIPS ↓：与输入图像的视觉差异。越低越好
・DINOv2 ↑：不同视角图像特征的相似性。越高越好
・生成时间 ↓：3D对象的生成时间。越短越好

Idol在所有三项质量指标中均获得最高评价。

6. 试用Idol

(1) 登录Hugging Face，打开FLUX.2-dev模型卡片并接受许可协议。

(2) AIエージェント（Codexなど）にColab CLI経由でMotionBricksのデモをセットアップしてもらう。
ColabでHugging Faceのトークン（HF_TOKEN）を設定していない場合は、事前に設定しておいてください。

Idle (https://github.com/speridlabs/idol-sdk) のデモをColab CLIで実行して
ブラウザで操作したい
セットアップ完了までの時間も教えて

セットアップ完了です。 ColabのL4 GPUで、ブラウザからの3D生成・表示・回転操作まで確認しました。
デモを開く
合計：約10分45秒（13:34:35〜13:45:20、認証・同意待ちを含む）
初回生成：約75秒（モデル取得・読み込み込み）
画像を選び「Generate」で生成し、3Dビューをドラッグして回転できます。

(2) 動作確認。

(3) 停止 Colab。

请停止 Colab。