spirula-studio

视频一键训练成3D高斯和网格,A卡N卡都能跑

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 计算机视觉 🍴 复刻 242 🐛 待处理 105 👀 关注 40
GitHub ↗
GitHub 星标 ★ 2498
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

spirula-studio 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队harry7557558
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议GPL-3.0
主要语言C++
技术栈/模型360-camera,3d-gaussian-splatting,3d-reconstruction,3dgs,3dgs-acceleration,computer-vision,cross-vendor,cuda,gaussian-splatting,mesh-generation,quantized-training,structure-from-motion,vram-optimization,vulkan
GitHub 星标★ 2498
上线时间2024-05-04 00:00:00
代码更新2026-11-18
仓库体积51.0 MB
本站数据更新2026-11-18
维护状态活跃
收录时间2026-10-05
浏览次数8

项目介绍

spirula-studio 是一个跨厂商的 3D Gaussian Splatting 训练工具,目标是把视频一路处理成 splat 再到网格模型。它解决的核心问题是:传统 3DGS 训练通常绑定 NVIDIA CUDA 生态,AMD、Intel 等显卡用户难以参与,而该项目同时支持 Vulkan 和 CUDA 后端,让不同品牌的 GPU 都能跑训练。核心能力包括从普通视频或 360 相机素材出发,完成 3D 高斯泼溅训练,并进一步导出网格,方便后续在游戏、影视或数字孪生流程中使用。项目用 C++ 编写,强调跨厂商兼容和训练加速,定位偏工程化,适合想自己搭建重建管线、又不想被单一硬件锁定的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-05 · 当前星标 ★ 2498

使用教程

难度:进阶 约 15 分钟 部署方式:本地安装 6 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 支持 Vulkan compute 的 GPU:NVIDIA、AMD、Intel、Apple 显卡均可
  • 显存建议 8 GB 及以上(官方称 8 GB VRAM 可训练 1000 万 SH3 高斯)
  • 无需预装 Python / PyTorch,也无需单独安装 COLMAP(功能已内置)
  • 需要普通照片/视频,或 360°/等距柱状/鱼眼相机素材作为输入

安装与启动步骤

  1. 1获取程序

    从官方 Releases 页面下载对应平台的预编译二进制,这是 README 推荐的最快方式;无需 Python 环境。

  2. 2或从源码构建

    如需自行编译,按 README 中 Build from Source 章节的说明操作;本处节选未给出具体编译命令,请以仓库文档为准。

    git clone https://github.com/harry7557558/spirula-studio.git
  3. 3确认显卡驱动

    确认所用 GPU(NVIDIA/AMD/Intel/Apple)已安装可用的 Vulkan 驱动,否则无法启动训练后端。

  4. 4准备输入素材

    准备好待重建的普通视频/照片,或 360°、等距柱状、鱼眼素材;这些格式原生支持,无需预先去畸变。

  5. 5启动训练

    运行已下载或编译好的 Spirula Studio 二进制,导入素材后开始 3DGS 训练;具体启动参数请参考 README 与程序内置说明。

  6. 6导出与查看结果

    训练得到 splat 后可进一步导出带纹理网格,并可用官方 Web Viewer 在线查看结果。

如何确认成功

程序能正常启动并进入训练流程、输出训练进度,最终生成 splat 结果,即可在官方 Web Viewer 中打开确认。

常见问题

Q:没有 NVIDIA 显卡能跑吗?

A:可以。项目通过 Vulkan compute 跨厂商支持 NVIDIA、AMD、Intel 和 Apple GPU,不绑定 CUDA 生态。

Q:需要预先安装 COLMAP 或 Python/PyTorch 吗?

A:不需要。程序是自包含的单个二进制,自带快速 SfM,无需 Python/PyTorch,也不用单独装 COLMAP。

Q:显存不够怎么办?

A:官方称采用量化训练,8 GB VRAM 即可训练最多 1000 万个 SH3 高斯;显存更小时可减少输入分辨率或视角数量。

Q:360 相机素材需要先做去畸变吗?

A:不需要。项目原生支持 360° 相机与等距柱状投影,也支持鱼眼素材,加载数据集后可直接训练。

注意事项

  • README 仅给出 Releases 下载与 Build from Source 两个入口,本教程中未给出具体命令的步骤请在仓库文档中确认。
  • Web Viewer 地址为 https://harry7557558.github.io/spirula-studio/viewer/ ,可直接在线查看训练出的 splat。
  • 训练质量与速度高度依赖 GPU 的 Vulkan 驱动版本,遇到异常优先升级显卡驱动。

核心亮点

  • 同时支持 Vulkan 和 CUDA 后端,AMD/Intel 显卡也能参与 3DGS 训练,不锁死 NVIDIA
  • 打通 video→splat→mesh 完整链路,省去在多个工具间手动转换的麻烦
  • C++ 实现并主打训练加速,对追求性能和控制力的工程团队友好

不足之处

  • 项目仍处成长阶段,文档和教程可能不够完善,上手需要一定图形学基础
  • 跨厂商后端意味着不同 GPU 上的效果和性能一致性仍需实际验证

适用场景

  • 用普通手机或相机视频重建物体/场景的 3D 高斯模型
  • 360 全景相机素材转成可编辑的 splat 与网格资产
  • 在 AMD 或 Intel 显卡工作站上搭建不依赖 CUDA 的 3D 重建管线

替代项目

gaussian-splatting、nerfstudio

上一篇:see-through

下一篇:react-mindee-js

同类项目推荐

readur 开源

上传图片即出文字,自建 OCR 像用网盘一样简单

Quick, painless, intuitive OCR platform written in Rust and TypeScript. Modern UI wi···

★ 816 2026-09-19
RGBT-Perception-Papers 开源

一页汇总RGB-T三大任务论文,快速入门多模态感知

Summary of RGB-T Salient Object Detection, Semantic segmentation and Crowd Counting.

★ 164 2026-09-20
D-FINE-seg 开源

检测加分割一网打尽,训练到 TensorRT 部署全流程

Real-time object detection, keypoint estimation, instance and semantic segmentation.···

★ 226 2026-09-20
pyxu 开源

模块化计算成像框架,轻松实现GPU加速与大规模数据处理

Modular and scalable computational imaging in Python with GPU/out-of-core computing.

★ 142 2026-08-09
supermimic 开源

用可微分世界模型教人形机器人全身跟动作

Humanoid whole-body motion tracking with one differentiable world model.

★ 1794 2026-11-14
eSearch-OCR 开源

npm 装完就能在 JS 里跑 PaddleOCR 取字。

基于paddleOCR的js库

★ 134 2026-09-19
SDMatte 开源

点几下鼠标,扩散模型帮你生成精准抠图

Official code for our ICCV2025 paper "SDMatte: Grafting Diffusion Models for Interac···

★ 208 2026-08-09