Spirula Studio不依赖 Python 的 3DGS 训练工具8GB 显卡也能训 1000 万高斯【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studioSpirula Studio 是一个开源的 3D Gaussian Splatting3DGS训练工具把照片/视频 → 相机位姿 → 训练 → Splat 模型 → 带纹理网格整条流水线装进了一个独立二进制里。不装 Python、不装 PyTorch、不装 COLMAPNVIDIA、AMD、Intel、Apple 显卡都能跑。如果你受够了在 3DGS 环境配置上耗掉的半个工作日这个工具值得花 5 分钟试一次。一条流水线压进一个二进制Spirula Studio 解决的是什么问题传统 3DGS 工作流是一条长链条装 Python 环境、配 CUDA 版 PyTorch、再单独跑 COLMAP 求相机位姿每一步都可能翻车而且多数教程默认你有一块 NVIDIA 显卡。有意思的是Spirula Studio 把这条链彻底压平——从原始照片或视频到带相机位姿的数据集到训练好的 Splat再到可导出的纹理网格全部由同一个程序完成而且通过 Vulkan 计算后端做到了跨厂商AMD、Intel、甚至 Apple Silicon 的 Mac 都能训练。核心能力拆解四个让它站住脚的点Vulkan 跨厂商后端是最容易被低估的一条。仓库提供 Vulkan 与 CUDA 两个可互换的后端二者共享同一套设备数学Slang 编译两次分别产出 CUDA 头文件与 SPIR-V训练和网格化功能完全一致。Vulkan 后端是官方推荐的选项支持 NVIDIA/AMD/Intel/Apple Silicon构建更快、体积更小macOS 上通过 MoltenVK 自动静态链接开箱即用。后端的设计细节在 backends.md 里有完整说明包括针对各芯片能力差异做的 pipeline 变体。量化训练带来的显存效率直接决定了它能跑在什么机器上。官方给出的数字是8GB 显存可以训练多达 1000 万个带完整 SH3 的 Gaussian。对显存敏感的读者docs/notes/ 目录下还有 vram-high-res、vram-splat-x-img 等笔记记录了每一项显存开销的实测拆解——想深入的人可以翻一翻。内置 SfM 替代 COLMAP这是不需要装 Python的核心一环。拖入照片文件夹或视频后软件会走内置重建流程特征检测支持 SIFT、ALIKED配合 LightGlue 匹配、LoMa视频会自动挑选最清晰的帧。重建完成前不需要碰任何外部工具如果你偏好传统路线reference/scripts/ 里也备有一批独立 Python 预处理脚本如process_data_colmap.py作为退路。鱼眼和 360° 相机是原生支持不是先矫正再说。GoPro MAX 的.360、.insv双镜头文件、等距柱状全景都能直接加载训练省去去畸变这一整步数据格式支持见 datasets.md。最小可用路径两条方式拿到能跑的程序拿到程序的方式只有两种挑一个就行。方式一下载现成版本最省事。去项目的 Releases 页面选对应平台Windows / Linux / macOS的安装包解压后双击打开 GUI无需任何配置。方式二源码编译AMD/Intel 用户或构建爱好者。仓库自带构建脚本会自动完成代码生成、环境检查并调用 CMake Ninja大约几分钟git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKENDvulkanWindows 下对应build_develop.bat -DSS_BACKENDvulkan产物在build_vulkan/spirula(.exe)NVIDIA 用户把参数换成-DSS_BACKENDcuda即可。构建相关的完整选项矩阵在 build.md。程序启动后进入主界面新手路径很直接Home → Open a Dataset或 Create Dataset from Photos/Video→ 选一个预设 → 过一遍 Basic Options → Start Training。界面刻意做成预设 精选基础选项的形态新手只碰少数几项全部高级参数收在 All Options 里支持搜索、悬停提示改动过的项会被高亮并可右键重置。这个选项编辑器是从 TrainConfig.h 里的 X-macro 表自动生成的——加一行配置CLI、GUI、config.json 三处自动同步不会漂移。训练启动后右侧视口实时渲染模型左侧同步显示指标曲线和逐步日志随时可以暂停或停止。数据集准备三类输入自动识别不用手工整理这一步的体验比想象中好因为三种输入格式Nerfstudio、COLMAP、Metashape由同一套 C 解析器自动识别CLI、GUI 和 WASM 查看器共用不存在GUI 认得、CLI 认不得的尴尬。照片文件夹可以原地索引不拷贝、递归扫描视频内置抽帧按清晰度打分挑帧多个视频可以合并成一个数据集现成的 COLMAP / Nerfstudio / Metashape 结果直接打开点位云缺失时会随机播种种子点。值得一提的是数据集创建模块还会读取图片和视频里的运动遥测元数据来恢复真实比例与朝向——重建结果偏大偏小、歪了这个经典抱怨新版本已经针对性修掉了。进阶玩法按你的场景挑一段云 GPU 远程训练浏览器里盯进度。在远程机器上跑spirula train时它会默认在 HTTP 端口起一个 Web 查看器ssh -L转发端口后本地浏览器就能看到训练实时画面不用把整个桌面会话拉过来spirula train --data 数据集目录全部选项敲spirula --help可见。从 Splat 到网格一条命令出纹理。spirula mesh checkpointGUI 的 Mesh 界面走的是同一套底层逻辑把训练结果转成glb / ply / obj / stl等格式支持顶点色或烘焙 UV 纹理--color texture时 GLB 内嵌贴图一次运行可以同时产出看的 glb和打印用的 stl。没有安装软件的场合仓库内置的 Web Viewer 基于 WebGL2 WASM浏览器里就能看 Splat、网格和 MVS 数据集甚至能流式加载数 GB 的大文件。批量与恢复把周末交给队列。GUI 的 Batch 界面可以排队建数据集 → 训练 → 网格化多行任务队列保存在本地文件里崩溃也不会丢训练本身也支持中断后从 checkpoint 续训优化器状态和步数原样接上规则见 training-resume.md。显存不够或效果不对时先动这两个旋钮显存吃紧时的顺序是先调低 Image resolution 一档再下调cap_max最大 Splat 数上限——量化训练已经把底噪压得很低这两项通常足够。如果重建比例或朝向不对重新跑一次数据集创建即可遥测元数据的恢复会在这一环生效。界面支持 13 种语言简体中文可在设置里直接切换中文用户看日志和提示没有障碍。收尾拍照、SfM、训练、出网格全程一个程序回头看这条路径拖入照片或视频 → 内置 SfM 出位姿 → 几分钟训练 → 得到 Splat 文件与检查点 → 需要时一键导出网格。整件事里没有 Python 环境、没有 COLMAP 安装、没有显卡厂商门槛。Spirula Studio 目前几乎由一个人维护issue 和 PR 都开着——想深入架构的读者architecture.md 和 src/app/README.md 是入口。【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
