Microsoft TRELLIS.2: 4B-Modell für Bild-zu-3D-Generierung mit O-Voxel

X-PostSupermanTool

Microsoft hat das Repository für TRELLIS.2 veröffentlicht, ein generatives 3D-Modell mit 4 Milliarden Parametern für die Image-to-3D-Generierung. Es basiert auf einer neuartigen Voxel-Struktur namens O-Voxel und erzeugt PBR-texturierte 3D-Meshes.

Das Wichtigste

  1. 4B-Parameter-Modell basierend auf Diffusion Transformers (DiTs) und einem Sparse-3D-VAE mit 16-fachem räumlichem Downsampling.
  2. Nutzt die feld-freie Datenstruktur O-Voxel zur Unterstützung offener Oberflächen, interner Hohlräume und nicht-mannigfaltiger Geometrien.
  3. Modelliert vollständige PBR-Materialien inklusive Grundfarbe, Rauheit, Metallizität und Opazität.
  4. Erzeugt Assets auf einer NVIDIA H100 in Auflösungen von 512³ (~3 s), 1024³ (~17 s) bis 1536³ (~60 s).
  5. Erfordert ein Linux-System sowie eine NVIDIA-GPU mit mindestens 24 GB VRAM (getestet auf A100 und H100) mit CUDA 12.4.
  6. Nutzer-Feedback aus Praxistests weist auf stark zerteilte Mesh-Topologien hin (z. B. tausende verbundene Komponenten in einzelnen Primitiven).

Warum das relevant ist

Die native 3D-Generierung aus Einzelbildern scheiterte bisher oft an topologischen Beschränkungen von SDF- oder NeRF-basierten Feldern. TRELLIS.2 umgeht diese Einschränkungen und liefert vollständige PBR-Texturen in kurzer Rechenzeit, was Pipelines für Spieleentwicklung und 3D-Modellierung beschleunigen kann.

Einordnung

Das Modell bietet schnelle Inferenzzeiten und eine direkte Konvertierung zwischen Mesh und O-Voxel ohne rechenintensive Optimierungsschleifen. Allerdings deuten frühe Tests von Nutzern darauf hin, dass die erzeugten Meshes für klassische Produktions-Pipelines noch nachbearbeitet werden müssen, da Primitiven sehr hohe Polygonanzahlen und eine extreme Fragmentierung aufweisen können.

Original-Post

Superman

@thesupermanmx · 29. Juli 2026

Repo: t.co/eW7JpjXoED

156 Likes2 Antworten292 Lesezeichen12.339 Aufrufe

Auf X ansehen
Ausgewählte Antworten (1)
  • @FabioAngela79 @thesupermanmx I tested the “production-ready” part on a real TRELLIS.2 GLB. Visually good, but one primitive had 287k faces and 3,684 connected components. A normal split turned it into confetti. So I benchmarked downstream decomposition on my 3090 Ti: t.co/9oA9NwXTlS

Links und Tools aus diesem Beitrag

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:microsoft/TRELLIS.2

    TRELLIS.2: 3D-Generierungsmodell mit O-Voxel-Struktur von Microsoft

    TRELLIS.2 ist ein quelloffenes 3D-KI-Modell mit 4 Milliarden Parametern von Microsoft zur Umwandlung von 2D-Bildern in texturierte 3D-Objekte. Es nutzt eine feldfreie Sparse-Voxel-Darstellung namens O-Voxel und Diffusion Transformers, um komplexe Topologien und PBR-Materialien in hoher Auflösung zu erzeugen.

    11.061SternePython

    KI & AI· Tool

  • Repository:lightningpixel/modly

    Modly: Lokale Desktop-App zur KI-gestützten 3D-Mesh-Generierung

    Modly ist eine Open-Source-Desktop-Anwendung für Windows, Linux und macOS (Apple Silicon), mit der sich 3D-Modelle aus Bildern oder Prompts lokal auf der eigenen GPU berechnen lassen.

    7434SterneTypeScript

    KI & AI· Tool

  • Repository:img2threejs/img2threejs

    img2threejs: Bild-zu-3D-Rekonstruktion als prozeduraler Three.js-Code

    img2threejs rekonstruiert Objekte aus Referenzbildern als prozeduralen, animationsbereiten Three.js-Code. Statt Fotogrammetrie oder Mesh-Extraktion setzt das Projekt auf token-effiziente Code-Generierung.

    15.104SternePython

    KI & AI· Tool

  • X-Post:Amir Mušić

    img2threejs: 2D-Bilder in interaktive 3D-Modelle für Three.js umwandeln

    Amir Mušić stellt die Kombination von Codex und dem Open-Source-Repository img2threejs vor, um aus 2D-Bildern interaktive Three.js-Modelle zu erstellen. Zur Neutexturierung der Modelle schlägt er Werkzeuge wie Nano Banana oder GPT Image v2 vor.

    203Lesezeichen19.441Aufrufe

    KI & AI· Tool

  • X-Post:Mia

    GGUF-Quantisierungen für Qwen-Image 2.1 ohne Inhaltsfilter

    Auf Hugging Face wurde ein Repository mit GGUF- und Safetensors-Quantisierungen des Bildmodells Qwen-Image 2.1 veröffentlicht. Das Paket zielt auf die lokale Ausführung in ComfyUI ab und verzichtet auf integrierte Sicherheitsfilter.

    2488Lesezeichen137.970Aufrufe

    KI & AI· Sammlung

  • Link:Qwen

    Qwen3.8-27B: Multimodales 27B-Modell mit Hybrid-Architektur und Denkmodus

    Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.

    KI & AI· Sammlung

Sprechen wir über Ihr Projekt.

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Ein Teil von diesem Inhalt wurde mit KI gemacht.