Один снимок — уже 3D-объект: Microsoft открыла TRELLIS.2 для разработчиков

Microsoft Research представила TRELLIS.2-4B — открытую модель на 4 млрд параметров, которая превращает одно изображение в готовый 3D-ассет. Для широкой аудитории суть простая: вместо долгого ручного моделирования по фотографии система пытается сразу собрать объемный объект, который можно дальше использовать в игровом движке, визуальных эффектах, каталоге товаров или симуляторе для роботов.

Что изменилось: модель делает не «красивую болванку», а материал для продакшена

Главное обещание TRELLIS.2 — не просто восстановить форму предмета, а выдать mesh с PBR-материалами. PBR — это набор свойств поверхности, благодаря которым объект ведет себя реалистично при разном освещении: у металла есть металличность, у ткани — шероховатость, у стекла — прозрачность.

Для 3D-пайплайнов это критично. Плоская текстура на приблизительной форме годится для демо, но плохо живет в игре, рекламном ролике или AR-витрине. TRELLIS.2 нацелена именно на ассет, который можно экспортировать в GLB и дальше доводить в привычных инструментах вроде Blender, Unity или Unreal Engine.

Почему Microsoft говорит об O-Voxel

В основе TRELLIS.2 лежит представление O-Voxel — способ хранить геометрию и внешний вид объекта в одной компактной 3D-структуре. Если убрать жаргон, это попытка описывать предмет не как гладкую «оболочку», где сложные места часто ломаются, а как более гибкую объемную схему.

Отсюда важные практические плюсы. По данным Microsoft, TRELLIS.2 лучше справляется с открытыми поверхностями, сложной геометрией, внутренними структурами и объектами, где нужна прозрачность. Это как раз те случаи, где генераторы 3D часто выглядят убедительно на первом рендере, но рассыпаются при попытке использовать результат в реальной сцене: тонкие листья, ткань, стекло, детали с отверстиями и нестандартной топологией.

Цифры: 4 млрд параметров и разрешение до 1536³

TRELLIS.2-4B работает с одним входным изображением и генерирует 3D-ассеты в диапазоне voxel grid resolution от 512³ до 1536³. На странице проекта Microsoft приводит ориентиры скорости на NVIDIA H100: около 3 секунд для 512³, 17 секунд для 1024³ и примерно 60 секунд для 1536³, включая форму и материалы.

Это не значит, что технология уже стала бытовой кнопкой для любого ноутбука: в требованиях указана Linux-среда и NVIDIA GPU минимум с 24 ГБ памяти, проверка велась на A100 и H100. Но открытые веса, код и демо важны сами по себе: теперь разработчики могут тестировать модель локально, встраивать ее в свои пайплайны и дообучать под конкретные задачи.

Кому это нужно первым

Самый очевидный рынок — игры и VFX, где 3D-ассеты остаются дорогим ручным трудом. Но не менее интересен e-commerce: продавцу проще сфотографировать товар и получить черновой 3D-объект для витрины, AR-просмотра или рекламы. В робототехнике такие модели могут ускорить создание виртуальных сцен для обучения: реальные предметы быстрее попадают в симуляцию, а не ждут отдельной команды 3D-художников.

При этом TRELLIS.2 пока честнее воспринимать как исследовательский релиз, а не как волшебную фабрику идеальных моделей. В карточке модели указаны ограничения: возможны мелкие отверстия и топологические артефакты, а базовая модель не выровнена под человеческие эстетические предпочтения. Для 3D-печати, CAD и ответственных производственных сценариев результат все равно придется проверять и чистить.

Мнение редакции Neuro.ee

TRELLIS.2 важна не тем, что завтра заменит всех 3D-художников, а тем, что снова сдвигает границу между изображением и рабочим цифровым объектом. Генерация картинок уже стала массовым инструментом, а вот 3D долго оставался более жесткой, дорогой и капризной областью. Если открытые модели вроде TRELLIS.2 начнут стабильно давать пригодные ассеты из одного снимка, следующая волна автоматизации ударит не по «креативу вообще», а по самым трудоемким промежуточным операциям: первичной форме, материалам, вариантам и быстрой подготовке сцен.

Здесь и находится настоящая ставка: не заменить профессиональный 3D-пайплайн одной кнопкой, а резко сократить путь от идеи или фотографии до редактируемого объекта. Для индустрий, где 3D-контента всегда не хватает, это уже большая новость.