为什么选择One-2-3-45？5大优势让单图3D重建效率提升10倍
项目地址: https://gitcode.com/gh_mirrors/on/One-2-3-45 One-2-3-45是一款革命性的单图3D重建工具，它重新思考了如何利用2D扩散模型进行3D AIGC，并引入了一种新颖的前向范式，避免了耗时的优化过程。无论是开发者还是普通用户，都能通过这个强大的工具在短短45秒内将任意单张图像转换为高质量3D网格模型，极大地提升了3D内容创作的效率。
优势一：前所未有的速度，45秒完成单图3D重建
传统的3D重建方法往往需要数小时甚至数天的时间，而One-2-3-45实现了质的飞跃，仅需45秒就能完成从单张图像到3D网格的转换。这种极速体验得益于其创新的前向计算架构，省去了复杂的迭代优化过程。
在实际测试中，使用NVIDIA A6000显卡，每张图像的处理时间稳定在40秒左右，相比传统方法效率提升了10倍以上。这种效率的提升使得快速原型设计、创意构思和批量处理成为可能。
优势二：无需专业知识，操作简单易用
One-2-3-45提供了多种简单易用的操作方式，即使是没有3D建模经验的新手也能轻松上手。
- 脚本运行：只需一行命令即可启动重建过程：
python run.py --img_path PATH_TO_INPUT_IMG --half_precision - 交互式演示：通过Gradio提供的友好Web界面进行操作，启动命令简单：
cd demo/ && python app.py - Jupyter Notebook：提供示例笔记本，方便逐步学习和调试
优势三：强大的兼容性和灵活的部署选项
One-2-3-45提供了多种部署方式，满足不同用户的需求：
传统安装方式
适合有一定技术基础的用户，通过conda环境管理，步骤清晰明了。主要包括安装依赖包、创建环境、克隆仓库、安装项目依赖和下载模型 checkpoint 等步骤。详细流程可参考项目根目录下的 README.md 文件。
Docker镜像安装
为了简化环境配置，项目提供了两种Docker镜像：
- 完整镜像：包含环境和 checkpoint，大小约22.3G，拉取后即可直接运行
- 仅环境镜像：大小约7.3G，需自行克隆仓库和下载 checkpoint
优势四：丰富的API接口，便于集成和扩展
One-2-3-45提供了便捷的Gradio API，使得集成到其他应用程序中变得轻松。主要API包括：
单图转3D网格
通过简单的API调用，即可实现从单张图像到3D网格的转换：
generated_mesh_filepath = client.predict(
input_img_path,
True, # 图像预处理
api_name="/generate_mesh"
)
仰角估计
对于未知姿态（仰角）的输入图像，提供了现成的估计算法：
elevation_angle_deg = client.predict(
input_img_path,
True, # 图像预处理
api_name="/estimate_elevation"
)
图像预处理
集成了Segment Anything模型（SAM）进行背景移除，提供图像分割、缩放和居中功能：
segmented_img_filepath = client.predict(
input_img_path,
api_name="/preprocess"
)
优势五：开放源代码，支持自定义训练
One-2-3-45是一个开源项目，用户不仅可以使用预训练模型，还可以根据自己的需求训练自定义模型。项目提供了完整的训练流程和数据准备指南。
训练数据基于Objaverse-LVIS数据集，通过Blender将选定的形状渲染为2D图像。用户可以按照 README.md 中的说明准备训练数据，并使用提供的配置文件和脚本进行模型训练：
cd reconstruction
python exp_runner_generic_blender_train.py --mode train --conf confs/one2345_lod_train.conf
快速开始使用One-2-3-45
要开始使用One-2-3-45，只需按照以下步骤操作：
- 克隆仓库：
git clone https://gitcode.com/gh_mirrors/on/One-2-3-45 - 按照 README.md 中的说明安装依赖和下载模型 checkpoint
- 选择适合的方式运行：脚本、交互式演示或Jupyter Notebook
无论你是3D建模爱好者、游戏开发者还是创意设计师，One-2-3-45都能为你带来前所未有的单图3D重建体验，让你的创意快速转化为3D现实。
引用与致谢
如果您觉得One-2-3-45对您的工作有帮助，请引用以下论文：
@article{liu2023one2345,
title={One-2-3-45: Any single image to 3d mesh in 45 seconds without per-shape optimization},
author={Liu, Minghua and Xu, Chao and Jin, Haian and Chen, Linghao and Varma T, Mukund and Xu, Zexiang and Su, Hao},
journal={Advances in Neural Information Processing Systems},
volume={36},
year={2024}
}
感谢One-2-3-45开发团队的辛勤工作，以及HuggingFace对在线演示的支持。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
