spirula-studio

视频一键训练成3D高斯和网格，A卡N卡都能跑

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。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1413

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类计算机视觉

开发团队harry7557558

所属国家

官网地址

GitHubhttps://github.com/harry7557558/spirula-studio

定价模式free

价格说明开源免费，需自行部署

访问状态

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★ 1413

30天Star增速

HF 下载量

上线时间2024-05-04 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-05

浏览次数0

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

正在加载星标数据…

技术标签

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

项目介绍

spirula-studio 是计算机视觉领域的开源项目，由 harry7557558 开发，2024 年首次发布。

在全站 13,655 个收录项目中，它的 GitHub 星标数（1,413）位列前 30%，在计算机视觉分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-04。开源免费，需自行部署。

它主要面向的使用场景是：用普通手机或相机视频重建物体/场景的3D高斯模型。同类可对比的替代方案包括 gaussian-splatting、nerfstudio。

上一篇：see-through

下一篇：没有了！