Spirula Studio8G 显存训千万级高斯、不装 Python 的 3D Gaussian Splatting 训练器【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 是一款跨厂商的 3D Gaussian Splatting3DGS训练器从原始照片或视频到 splat再到带纹理网格全部在单个自包含二进制里完成。不依赖 Python、不装 COLMAPNVIDIA、AMD、Intel、Apple 显卡都能训练8GB 显存可容纳千万级高斯模型。它是环境成本几乎最低的一档 3DGS 训练工具面向想少折腾、多出结果的开发者与创作者。 不装 Python 的 3DGS 训练从原始视频一步到带纹理网格传统 3DGS 流程里最耗时的往往不是训练本身而是依赖链抽帧靠 ffmpeg稀疏重建靠 COLMAP遮罩靠另跑 SAM 脚本网格化还要再换一套工具。Spirula Studio 把这些环节全部收进了同一个二进制。抽帧直接走 GPU 视频解码队列比外挂 ffmpeg 的路径快约 15 倍——一条 127 秒的 1080p30 素材大约 10 秒出帧机器上不用装 ffmpeg由编译开关-DSS_ENABLE_PATENTEDON打开。AI 遮罩调用内置的 SAM 模型抠掉人、车等动态物体权重在 GUI 首次使用时才拉取并缓存。稀疏重建是自研的 src/sfm/ 管线把一批图片喂进去吐出的就是 COLMAP 兼容的sparse/模型spirula sfm auto只靠--quality和--data-type两个旋钮跑完全程训练结束后 splat 还能直接转成带纹理网格。以上环节 GUI 和 CLI 都能触达。在云端 GPU 上远程训练时spirula train默认会起一个 HTTP 端口挂 viewerssh 转发之后用浏览器就能盯训练进度。Vulkan 默认四种 GPU 厂商共用一套设备代码3DGS 训练工具长期绑定 CUDAAMD、Intel 用户基本无解。Spirula Studio 的做法是把后端做成可替换件引擎层只面对一组统一的 kernel 启动声明CUDA 与 Vulkan 各自实现同一套设备 kernel投影、球谐、splat 基元这类共享数学只写一份、编译两次一次到 CUDA 头、一次到 SPIR-V两套后端的数值因此始终对齐。VulkanCUDAGPU 支持NVIDIA、AMD、Intel、Apple SiliconNVIDIA平台Windows、Linux、macOSWindows、Linux附加能力原生 SfM、GPU 视频解码、AI 遮罩遗留路线训练与网格化功能一致两个后端的训练和网格化能力完全一致速度差异通常在几个百分点内个别场景 Vulkan 显存还略省。macOS 上 MoltenVK 默认静态链接打包出双击即用的.app和.dmg不装任何依赖。想自己编译的话一条命令起步bash build_develop.bash -DSS_BACKENDvulkan抽象层的设计和各驱动的取巧处理都写在 docs/backends.md。8G 显存装下千万高斯量化训练省下的显存去哪了高斯模型的参数越堆越贵千万级高斯如果按浮点存储高次球谐中端显卡直接爆显存。Spirula Studio 的答案是量化训练——高斯参数与 SH 系数压到低精度存储8GB 显存塞下 1000 万个 SH3 高斯消费级显卡也有机会跑大场景。质量侧还有三件事稠密化策略综合了 MCMC、IGS、MRNF 三者的长处结果更锐、floating 更少鱼眼与 360° 相机是原生支持等距柱状数据集免校正直接训改造过的 bilateral grid 加 PPISP 负责曝光与白平衡修正不引入常见的色偏和发暗。显存还紧张时可以开渐进式分辨率以 3 万步为例前 3000 步用 1/4 图尺寸、中间 3000 步升到 1/2、剩下全程全尺寸粗形状花小钱定型把全分辨率的时间留给细节。 3D Gaussian Splatting 碰上弱纹理LoMa 匹配与度量尺度SfM 最常见的两个翻车现场纹理重复、光照剧变时特征匹配崩掉以及重建出来的场景忽大忽小、整体歪斜。前者是经典特征在弱纹理区没有判别力后者源于 SfM 天然只有尺度不变性。匹配侧的答案是 LoMasrc/loma/DaD 关键点、DeDoDe 描述子、LoMa 匹配器三个网络全跑在纯 Vulkan 推理上没有 onnxruntime 和 PyTorch。用法是在原命令上加一组参数spirula sfm --features loma-b128 --matcher loma-b128loma-b128 是唯一整套模型约 130MB 的变体其余 256 维描述子版本要拖一个 1.29GB 的 checkpoint。尺度侧数据集创建模块会解析常见视频和图片容器里的遥测元数据GPS、IMU 等恢复真实尺度与朝向——无人机、车载素材受益最大重建结果从此和现实世界对齐。13 种语言离线可用语言目录与 CJK 字体全内嵌开源 GUI 工具的本地化最常见的翻车姿势是文案翻译了显示却是一屏方框——CJK 字体没跟着走。Spirula Studio 把字体当一等依赖每个构建内嵌 5 个字面共 3.3MB其中 4 个 CJK 字面按地区国标覆盖常用字GB 2312 一级 3755 字、Big5、JIS X 0208、2350 个谚文音节等159KB 的 Latin 字面还额外覆盖拼音、越南语和整套西里尔字母。因此英语、日本語、简繁中文、한국어、Deutsch、Français、Español、Português、Italiano、Nederlands、Русский、Türkçe 共 13 种语言全部离线正确渲染语言选择界面也不例外——那是读不懂当前界面的用户最先看到的一屏。构建时用SS_DEFAULT_LANG指定无语言环境下的落地语言SS_FONT_CJK决定完整 CJK 字体包的交付方式细节见 docs/i18n.md。Spirula Studio 的定位一句话不让你准备环境的单二进制 3D Gaussian Splatting 训练器视频进、网格出。上手最快的路子是去 Releases 页面拿对应平台的二进制双击打开想翻代码的clone 仓库后从 docs/ 里的教程看起。【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 
长河君 · 2026/10/23 4:17:39 · 阅读 1.2k Spirula Studio：8G 显存训千万级高斯、不装 Python 的 3D Gaussian Splatting 训练器
Spirula Studio8G 显存训千万级高斯、不装 Python 的 3D Gaussian Splatting 训练器【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 是一款跨厂商的 3D Gaussian Splatting3DGS训练器从原始照片或视频到 splat再到带纹理网格全部在单个自包含二进制里完成。不依赖 Python、不装 COLMAPNVIDIA、AMD、Intel、Apple 显卡都能训练8GB 显存可容纳千万级高斯模型。它是环境成本几乎最低的一档 3DGS 训练工具面向想少折腾、多出结果的开发者与创作者。 不装 Python 的 3DGS 训练从原始视频一步到带纹理网格传统 3DGS 流程里最耗时的往往不是训练本身而是依赖链抽帧靠 ffmpeg稀疏重建靠 COLMAP遮罩靠另跑 SAM 脚本网格化还要再换一套工具。Spirula Studio 把这些环节全部收进了同一个二进制。抽帧直接走 GPU 视频解码队列比外挂 ffmpeg 的路径快约 15 倍——一条 127 秒的 1080p30 素材大约 10 秒出帧机器上不用装 ffmpeg由编译开关-DSS_ENABLE_PATENTEDON打开。AI 遮罩调用内置的 SAM 模型抠掉人、车等动态物体权重在 GUI 首次使用时才拉取并缓存。稀疏重建是自研的 src/sfm/ 管线把一批图片喂进去吐出的就是 COLMAP 兼容的sparse/模型spirula sfm auto只靠--quality和--data-type两个旋钮跑完全程训练结束后 splat 还能直接转成带纹理网格。以上环节 GUI 和 CLI 都能触达。在云端 GPU 上远程训练时spirula train默认会起一个 HTTP 端口挂 viewerssh 转发之后用浏览器就能盯训练进度。Vulkan 默认四种 GPU 厂商共用一套设备代码3DGS 训练工具长期绑定 CUDAAMD、Intel 用户基本无解。Spirula Studio 的做法是把后端做成可替换件引擎层只面对一组统一的 kernel 启动声明CUDA 与 Vulkan 各自实现同一套设备 kernel投影、球谐、splat 基元这类共享数学只写一份、编译两次一次到 CUDA 头、一次到 SPIR-V两套后端的数值因此始终对齐。VulkanCUDAGPU 支持NVIDIA、AMD、Intel、Apple SiliconNVIDIA平台Windows、Linux、macOSWindows、Linux附加能力原生 SfM、GPU 视频解码、AI 遮罩遗留路线训练与网格化功能一致两个后端的训练和网格化能力完全一致速度差异通常在几个百分点内个别场景 Vulkan 显存还略省。macOS 上 MoltenVK 默认静态链接打包出双击即用的.app和.dmg不装任何依赖。想自己编译的话一条命令起步bash build_develop.bash -DSS_BACKENDvulkan抽象层的设计和各驱动的取巧处理都写在 docs/backends.md。8G 显存装下千万高斯量化训练省下的显存去哪了高斯模型的参数越堆越贵千万级高斯如果按浮点存储高次球谐中端显卡直接爆显存。Spirula Studio 的答案是量化训练——高斯参数与 SH 系数压到低精度存储8GB 显存塞下 1000 万个 SH3 高斯消费级显卡也有机会跑大场景。质量侧还有三件事稠密化策略综合了 MCMC、IGS、MRNF 三者的长处结果更锐、floating 更少鱼眼与 360° 相机是原生支持等距柱状数据集免校正直接训改造过的 bilateral grid 加 PPISP 负责曝光与白平衡修正不引入常见的色偏和发暗。显存还紧张时可以开渐进式分辨率以 3 万步为例前 3000 步用 1/4 图尺寸、中间 3000 步升到 1/2、剩下全程全尺寸粗形状花小钱定型把全分辨率的时间留给细节。 3D Gaussian Splatting 碰上弱纹理LoMa 匹配与度量尺度SfM 最常见的两个翻车现场纹理重复、光照剧变时特征匹配崩掉以及重建出来的场景忽大忽小、整体歪斜。前者是经典特征在弱纹理区没有判别力后者源于 SfM 天然只有尺度不变性。匹配侧的答案是 LoMasrc/loma/DaD 关键点、DeDoDe 描述子、LoMa 匹配器三个网络全跑在纯 Vulkan 推理上没有 onnxruntime 和 PyTorch。用法是在原命令上加一组参数spirula sfm --features loma-b128 --matcher loma-b128loma-b128 是唯一整套模型约 130MB 的变体其余 256 维描述子版本要拖一个 1.29GB 的 checkpoint。尺度侧数据集创建模块会解析常见视频和图片容器里的遥测元数据GPS、IMU 等恢复真实尺度与朝向——无人机、车载素材受益最大重建结果从此和现实世界对齐。13 种语言离线可用语言目录与 CJK 字体全内嵌开源 GUI 工具的本地化最常见的翻车姿势是文案翻译了显示却是一屏方框——CJK 字体没跟着走。Spirula Studio 把字体当一等依赖每个构建内嵌 5 个字面共 3.3MB其中 4 个 CJK 字面按地区国标覆盖常用字GB 2312 一级 3755 字、Big5、JIS X 0208、2350 个谚文音节等159KB 的 Latin 字面还额外覆盖拼音、越南语和整套西里尔字母。因此英语、日本語、简繁中文、한국어、Deutsch、Français、Español、Português、Italiano、Nederlands、Русский、Türkçe 共 13 种语言全部离线正确渲染语言选择界面也不例外——那是读不懂当前界面的用户最先看到的一屏。构建时用SS_DEFAULT_LANG指定无语言环境下的落地语言SS_FONT_CJK决定完整 CJK 字体包的交付方式细节见 docs/i18n.md。Spirula Studio 的定位一句话不让你准备环境的单二进制 3D Gaussian Splatting 训练器视频进、网格出。上手最快的路子是去 Releases 页面拿对应平台的二进制双击打开想翻代码的clone 仓库后从 docs/ 里的教程看起。【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