新闻详情

新闻详情

首页 / 资讯中心 / 详情

Spirula Studio 2026更新全记录:从跨厂商后端到多语言支持的演进之路

发布时间:2026/11/13 0:36:19来源:尧图网络
Spirula Studio 2026更新全记录:从跨厂商后端到多语言支持的演进之路
Spirula Studio 2026更新全记录从跨厂商后端到多语言支持的演进之路【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三维高斯泼溅训练工具能实现从视频到 splat 再到纹理网格的完整重建流水线支持 Vulkan 与 CUDA 双后端无需 Python/PyTorch 环境单文件即可运行。2026 年它经历了一轮密集更新7 月落地跨厂商 Vulkan 后端8 月补齐端到端工作流与 13 种语言支持9 月又拿下 LoMa 特征匹配与度量尺度恢复。本文带你完整回顾这条演进之路 ️ 2026 年更新时间线一览时间里程碑解决的问题7 月 22 日跨厂商 Vulkan 后端摆脱只有 NVIDIA 才能用的限制8 月 8 日端到端工作流视频、AI 遮罩、SfM、网格化全部内置8 月 8 日多语言支持13 种语言GUI 与 CLI 全面本地化8 月 14 日macOS / Apple Silicon 支持正式覆盖三大桌面平台9 月 3 日LoMa 特征支持困难数据集下的 SfM 匹配更稳9 月 10 日度量尺度恢复重建结果不再忽大忽小、歪歪扭扭️ 跨厂商后端Vulkan 成为默认推荐7 月 22 日的更新是整条路线的起点新增的 Vulkan 后端让 Spirula Studio 可以在NVIDIA、AMD、Intel 乃至 Apple 显卡上训练 3D Gaussian Splatting。此前这类工具几乎绑定 CUDA 生态AMD 和 Intel 用户只能望而兴叹。如今项目提供两条可互换的计算后端Vulkan推荐跨平台、跨厂商编译更快、产物更小部分场景显存占用更低且是原生 SfM、视频抽帧、AI 遮罩等功能的载体CUDA传统选项面向 NVIDIA GPU 的遗留路线两者训练与网格化功能完全一致速度差异通常只有几个百分点两者的抽象层设计backend/api/统一接口 各自实现详见 docs/backends.md 与 src/backend/编译选项则由 cmake/SsOptions.cmake 控制。 端到端工作流视频进网格出8 月 8 日Vulkan 后端一次性补齐了完整的管线组件视频抽帧GPU 端解码比调用 ffmpeg 快约 15 倍还免装 ffmpegAI 遮罩内置 SAM 模型模型在首次使用时由 GUI 下载缓存自动剔除动态物体原生 SfM独立的光束法管线输入图片输出 COLMAP 兼容的sparse/模型无需再装 COLMAP网格化splat 转带纹理网格一步到位这些组件在 GUI 和 CLI 中均可访问实现分布在 src/sfm/SfM、src/sam/AI 遮罩、src/video/解码与抽帧、src/mesh/网格化设计理念可在 src/sfm/README.md 中查阅。 多语言支持13 种语言一键切换同日发布的本地化更新让 GUI 和 CLI 同时支持英语、日本語、简体中文、繁體中文、한국어、Deutsch、Français、Español、Português、Italiano、Nederlands、Русский、Türkçe共 13 种语言。这套机制的工程细节相当讲究语言目录src/i18n/catalog/被完整内嵌进每个构建版本配合 assets/fonts/ 中嵌入的 5 个字面Latin CJK 四地区字面共约 3.3 MB保证离线也能正确渲染全部 13 种语言——语言选择界面本身就无需下载任何字体。构建时可用SS_DEFAULT_LANG指定默认语言、SS_FONT_CJK控制完整 CJK 字体的交付方式操作说明见 docs/i18n.md翻译机制参考 src/i18n/README.md。 macOS 与 Apple Silicon 正式落地8 月 14 日macOS / Apple Silicon 上的训练获得验证应用可以从 Releases 页面直接下载。macOS 只有 Vulkan 一条路线MoltenVK 默认静态链接不装任何依赖即可运行构建脚本还会自动打包成可双击的.app和.dmg镜像逻辑见 cmake/SsMacBundle.cmake。至此 Spirula Studio 完整覆盖 Windows、Linux、macOS 三大平台。 九月的两个硬核更新LoMa 特征支持9 月 3 日SfM 模块新增 LoMa 特征检测与匹配src/loma/专门应对纹理重复、光照剧变等困难数据集让稀疏重建更稳度量尺度9 月 10 日数据集创建模块开始解析视频/图片中常见的遥测元数据恢复真实尺度与朝向——直接回应了社区重建结果太大/太小/歪斜的高频反馈对无人机、车载拍摄素材尤其有用 如何获取并运行最简单的方式从 Releases 页面下载 Windows / Linux / macOS 二进制解压后双击打开 GUI 即可零配置。从源码构建以推荐的 Vulkan 后端为例git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKENDvulkan -DSS_ENABLE_PATENTEDONWindows 用户则运行build_develop.bat完整步骤见 README.md 的 Build from Source 章节。适合谁用只要你有相机哪怕 360° 相机和一块主流显卡——NVIDIA、AMD、Intel、Apple 均可——想从照片或视频得到高质量 3D 场景Spirula Studio 用 8 GB 显存就能训练千万级 3D 高斯单文件、无 Python 依赖是目前门槛最低的 3DGS 训练工具之一。回顾这一年7 月打开硬件之门8 月打通全流程、跨越语言与平台9 月补上尺度与匹配两块硬骨头。Spirula Studio 的 2026正是一个从能用走向好用的完整闭环。【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
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉