microsoft

@microsoft

TRELLIS.2

microsoft/TRELLIS.2

Native and Compact Structured Latents for 3D Generation

STARS10,306
FORKS1,235
ISSUES144
LANGUAGEPython

HISTORICAL INTELLIGENCE

历史情报摘要

按周期独立统计
日榜当前未记录
历史最佳#12最近排名#12

当前未进入本站记录范围

记录天数
1 天
记录期 Star
0
本站共 12 天日榜快照 · 最近记录 2026-08-01
周榜持续记录
历史最佳#15当前排名#15

与上一期排名持平

记录天数
3 天
记录期 Star
+199
本站共 12 天周榜快照 · 最近记录 2026-08-04
本站最早记录:2026-08-01

指标仅基于本站已保存快照,不代表项目在 GitHub 的首次上榜时间;同日多次抓取保留当日最新结果,负向 Star 差值按样本校正处理。

周榜历史趋势

2026-08-02 至 2026-08-04,掉榜日期保留为空缺。

排名,数字越小越靠前周期新增 Star
折线表示历史榜单排名,柱形表示相同快照记录的新增 Star。排名纵轴已反向,越靠上排名越高。 #1 #5 #9 #12 #16 2026-08-02:新增 898 Star 2026-08-03:新增 1106 Star 2026-08-04:新增 1106 Star 2026-08-02:排名 #16,新增 898 Star2026-08-03:排名 #15,新增 1106 Star2026-08-04:排名 #15,新增 1106 Star 08-02 08-04 +1.1k
图表仅使用本站保存的快照,不补零、不推算掉榜期间数据;下方历史明细继续保留原始日期、排名与 Star 数。

VERIFIABLE HEALTH SIGNALS

项目健康证据

维护、响应、交付与采用风险分开观察,不生成虚假的单一总分。
高可信度
MAINTENANCE

维护活性

核对提交
近 90 天 Commit
4
完整窗口
活跃贡献者
2
按公开提交账号去重
近 12 月活跃月份
4/12
有提交的自然月
RESPONSE

社区响应

核对样本
Issue 关闭率
9%
1/11 个同期新 Issue
Issue 关闭中位数
0.0 小时
仅统计已关闭样本
PR 合并率
13%
1/8 个同期新 PR
PR 合并中位数
0.1 小时
仅统计已合并样本
DELIVERY

持续交付

核对发布
近 12 月正式 Release
0
排除草稿与预发布
最近正式 Release
暂无记录
以公开发布时间为准
发布间隔中位数
样本不足
至少两次正式发布才计算
ADOPTION

采用风险

查看仓库
仓库状态
正常开放
未发现归档标记
开源协议
MIT
仍需核对完整协议与依赖
Security Policy
未发现
仅检查 GitHub 社区资料

统计窗口 90 天快照样本 3 天计算规则 health-v1采集于 2026-08-04 02:40

公开样本完整,Issue 与 PR 合计样本量达到基本观察门槛。 这些信号不替代代码审计、安全测试和真实生产验证。

AI-ASSISTED PROJECT BRIEF

项目定位与辅助解读

来源边界与风险表述检查

AI 解读仅作初评参考,技术落地请以 GitHub 源码、README 和完整协议为准。

项目资料AI 整理

TRELLIS.2是微软开源的4B参数图像转3D生成模型,基于O-Voxel稀疏体素结构,支持任意拓扑与PBR材质,采用MIT许可,已在GitHub获得逾万星标。

TRELLIS.2项目提供一个基于扩散变换器的大规模3D生成模型,用于从单张图像重建高保真3D资产。它采用O-Voxel稀疏体素表示,实现16倍空间下采样,宣称能处理开放表面、非流形等复杂拓扑,并支持基色、粗糙度、金属度、透明度等PBR属性。仓库包含推理与训练代码、预训练权重及在线Demo。项目方宣称512³分辨率在H100上生成约3秒。安装要求Linux和至少24GB显存NVIDIA GPU。

核心亮点

项目最值得关注的能力

AI 推断
  • 4B参数规模,采用稀疏VAE实现16×空间下采样
  • O-Voxel结构支持开放表面、非流形与内部封闭结构
  • 提供完整训练代码、预训练权重与Hugging Face在线Demo

适用场景

它可以解决哪些实际问题

AI 推断
  • 从单张图像生成可用于游戏或影视的3D资产
  • 生成带PBR材质的模型用于渲染与可视化
  • 作为3D生成相关研究的基线或二次开发基础

技术观察

从公开资料提炼的实现特征

AI 推断
  • 基于PyTorch实现,注意力可选flash-attn或xformers后端
  • 项目方宣称CPU下纹理网格转O-Voxel小于10秒,CUDA下反向小于100ms
  • 官方测试环境为NVIDIA H100,推荐CUDA 12.4与Python 3.8以上

优势判断

相对明确的项目价值

AI 推断
  • 开源且提供完整训练代码,方便研究与扩展
  • 功能设计独特,宣称支持任意拓扑和PBR材质

局限与注意

评估和采用前需要留意

AI 推断
  • 官方仅声明在Linux上测试,且需要至少24GB显存的NVIDIA GPU
  • 安装依赖较多,可能需要手动配置CUDA与注意力后端

适用人群

哪些开发者和团队值得关注

AI 推断
  • 3D生成方向的科研人员与算法工程师
  • 需要快速将图像转为3D模型的创意工作者与开发者
综合参考
TRELLIS.2是一个功能丰富且热门的开源3D生成项目,设计理念和技术指标较为突出。不过,其性能数据与实现在目前主要依赖项目方自述,社区需在自身硬件上独立验证。对于有高端NVIDIA GPU并愿意投入配置的3D开发者,值得尝试。
由 AI 基于 GitHub 公开资料辅助生成,不构成安全审计、生产选型或专业建议。

依据与内容边界

区分可验证事实、项目方自述与 AI 推断

GitHub 可验证事实

Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。

项目方自述

功能与使用方式主要来自仓库描述和 README,未经本站独立验证。

AI 推断

适用场景、优势与局限属于辅助解读,应结合原始文档独立判断。

  • GitHub事实:仓库由microsoft组织维护,使用MIT许可证,当前星标数超1万,开放问题144个。
  • 项目方自述:其模型规模为4B参数,宣称生成速度快、支持任意拓扑;这些尚未经第三方公开验证。
生成于 2026-08-04 03:05 规则版本 2026-07-v3
内容有误或您是项目作者?提交纠错
仅保存处理所需内容,不记录原始 IP;可信项目作者的高风险申诉会优先处理。