Spirula Studio：8G 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-studio
Spirula Studio 是一款跨厂商的 3D Gaussian Splatting（3DGS）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 COLMAP，NVIDIA、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_PATENTED=ON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 viewer，ssh 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 CUDA，AMD、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。
| Vulkan | CUDA | |
|---|---|---|
| GPU 支持 | NVIDIA、AMD、Intel、Apple Silicon | NVIDIA |
| 平台 | Windows、Linux、macOS | Windows、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_BACKEND=vulkan，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 LoMa（src/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-b128；loma-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
