Hacker News 中文摘要

RSS订阅

显示 HN：在 Apple Silicon 上原生运行 TRELLIS.2 图像转 3D 生成 -- Show HN: Run TRELLIS.2 Image-to-3D generation natively on Apple Silicon

原文链接 | HN讨论 | 2026-04-20 13:05:44

文章摘要

这是一个名为"trellis-mac"的GitHub项目页面，主要展示了GitHub平台的各种功能，包括AI代码生成、开发者工作流和应用安全等工具，如Copilot、Codespaces和高级安全功能。

文章总结

GitHub项目：shivampkumar/trellis-mac

项目地址：https://github.com/shivampkumar/trellis-mac

项目概述

这是一个将微软的TRELLIS.2（先进的图像转3D模型）从依赖CUDA的版本移植到Apple Silicon（M1及以上芯片）的开源项目，通过PyTorch的MPS后端实现，无需NVIDIA GPU即可运行。

核心功能

  • 输入：单张图片
  • 输出：包含40万+顶点的网格模型（OBJ/GLB格式），支持PBR材质
  • 性能：在M4 Pro芯片上约3.5分钟完成生成
  • 示例效果：
    输入图片 → 生成模型

技术亮点

  1. 替代CUDA依赖：

    • 用纯PyTorch实现稀疏3D卷积（backends/conv_none.py）
    • 用Python字典重构网格提取逻辑（backends/mesh_extract.py）
    • 移除对flash_attn、nvdiffrast等CUDA库的依赖

  2. 优化适配：

    • 所有.cuda()调用改为动态设备选择
    • 保留核心算法，仅替换硬件相关部分

使用要求

  • 硬件：Apple Silicon芯片（M1+）
  • 内存：推荐24GB+统一内存
  • 存储：约15GB空间用于模型权重

快速开始

bash git clone https://github.com/shivampkumar/trellis-mac.git cd trellis-mac hf auth login # 登录HuggingFace获取模型权限 bash setup.sh # 自动配置环境 python generate.py 图片路径.png

局限性

  • 纹理导出：暂不支持（需CUDA的nvdiffrast）
  • 性能：稀疏卷积比原版慢约10倍
  • 仅限推理：不支持模型训练

许可协议

  • 移植代码：MIT License
  • 上游模型：需遵守TRELLIS.2（MIT）、DINOv3（Meta自定义许可）、RMBG-2.0（CC BY-NC 4.0）

致谢

  • 原始模型：Microsoft Research的TRELLIS.2
  • 图像处理：Meta的DINOv3、BRIA AI的RMBG-2.0

项目由shivampkumar维护，截至当前获129星标。

评论总结

评论内容总结：

  1. 关于MPS后端兼容性（评论1）
  • 主要观点：用户选择省略MPS后端是因为Hugging Face不提供该后端，优先考虑速度而非兼容性。
  • 关键引用：
    • "People would rather have the thing work at best speeds than 10x worse speeds just for compatibility."
    • "HF doesn’t offer an MPS backend."
  1. 模型质量评价（评论2）
  • 主要观点：虽然该模型表现一般，但作者希望开源领域能有更好的图像转3D模型。
  • 关键引用：
    • "the one from meshy.ai is the best, trellis is in the useless tier"
    • "really hope there could be some good open source models in this domain."
  1. 产品展示不足（评论3）
  • 主要观点：产品页面缺乏示例展示。
  • 关键引用：
    • "So much effort, but no examples in the landing page."
  1. 硬件需求疑问（评论4）
  • 主要观点：用户关心模型的内存需求，考虑升级硬件配置。
  • 关键引用：
    • "How much RAM does this use?"
    • "I'm trying to figure out if I should buy 24 GB...or spring for 32."

注：所有评论均未显示评分（None），因此无法评估认可度。