Stability.ai – 介绍 Stable Video 3D

3D 打印与爱好用途

• 有几位认为其在 3D 打印方面很有潜力：把单张照片变成可打印模型，尤其是桌游用的小人模型。
• 一位评论者解释了完整的 3D 打印流程（建模 → 切片 → 打印 → 后处理），并指出这个模型只处理了“模型生成”这一步。
• 一个推测性的“后资本主义”工作流：抓取社交媒体趋势，自动生成玩具和广告，按需打印；有人承认这带有反乌托邦色彩，但在技术上部分可行。

网格质量与技术限制

• 对演示质量普遍持怀疑态度：带阴影/纹理的示例可能掩盖低细节、糊状的几何结构。
• 多位人士希望先看到未加纹理的线框网格，再判断输出是否可打印或适合游戏使用。
• 优质游戏资产还需要 UV、PBR 材质、多边形预算、骨骼绑定/蒙皮权重——评论者认为论文或博客都没有涉及这些。
• 有人提到已有更好的网格生成以及纹理/法线/深度重建研究和工具，但它们如何与该模型集成尚不清楚。

输入、输出与能力

• 说明一下：“单张图像输入”就是一张图像；模型根据训练数据去推断被遮挡的几何结构。
• 是否支持多图输入尚不清楚，不过有人认为可以扩展。
• 关于它到底是真正输出可用的 3D 模型，还是只渲染了一个“环绕”视频，存在争论。
• 引用的一段视频（不是博客）暗示：多视角合成 → NeRF/structure-from-motion → 通过 marching cubes 得到网格。不过评论者很难找到实践中导出网格的具体例子。

硬件与性能

• 官方权重约 9.4 GB；一位用户报告在调整默认设置后，RTX 4090 上峰值 VRAM 约 19.5 GB，耗时约 1.5 分钟。
• 默认脚本即使在 24 GB 显存上也可能 OOM；减少同时处理的帧数（例如 decoding_t）会有帮助。
• 更广泛的争论：24 GB 对游戏来说很充裕，但对现代 AI 来说却很紧张，人们抱怨 GPU 显存限制和厂商细分。
• 有人建议使用云 GPU 或厂商的 API，而不是本地运行，尤其是在 Mac 上。

潜在应用

• 建议用途包括：为艺术家快速生成基础网格、3D 打印微缩模型、纸模模板、建筑概念（也许可通过其他模型实现）、自动绑定的动画角色、室内设计和家具重新布局、从真实场景快速捕捉资产、前卫电影制作，以及可能的成人内容。
• 一位评论者认为这会对艺术、设计、工程和游戏产生巨大影响；也有人认为它主要只是为小众实验性视频提供更好的工具。

数据与训练考量

• 人们担心高质量、多样化的 3D 训练数据供应有限，导致许多方法不得不从 2D 图像中隐式学习 3D。
• 有人提出的想法包括：通过低成本扫描仪/手机构建大规模 3D 数据集，利用程序化资产（如植被），以及借助海量 STL 文件仓库并自动打标签。
• 有人提出：深度网络能否在没有明确 3D 标注的情况下直接从视频中学习 3D；对此没有共识。

担忧、质疑与元讨论

• 有些人觉得当前示例看起来像塑料玩具，并质疑其对复杂现实物体的泛化能力。
• 另一些人强调其快速进步的轨迹，并将其与早期图像和视频模型作比较。
• 简要提到围绕公司领导层的争议，以及一句关于这篇博客文章可能是 AI 写的玩笑，但没有展开讨论。