效果一览

左图为原始单个图像，右图为通过SPAR3D重建后的三维建模，可以看出效果还是不错的。

本地环境配置

• 系统：Windows 11 专业版
• CPU：i5-13400F
• 内存：32GB
• GPU：RTX3060 12GB
• cuda：11.8
• conda：23.7.4

安装步骤

项目地址（GitHub - Stability-AI/stable-point-aware-3d: SPAR3D: Stable Point-Aware Reconstruction of 3D Objects from Single Images）

前置依赖

• Python >= 3.8
• 对于Windows环境，若使用GPU则需要CUDA
• 对于Windows环境，由于需要使用c生成依赖，必须提前安装Visual Studio 2022及对应MSVC工具
• 提前根据cuda版本在conda环境安装对应Pytorch（一定要对应）

Windows安装步骤

• 下载代码，conda创建环境并进入（这里使用python3.10）

conda create -n spar3d python=3.10

• 安装项目依赖，若遇到git访问超时问题，建议注释requirements对应git，单独对注释依赖进行git clone下载手动进入文件夹使用pip install .

pip install -r requirements.txt

• 由于本人环境实际推理有报错问题，建议直接同时安装remesh的依赖

pip install -r requirements-remesh.txt

• 根据要求补充安装依赖

pip install -U setuptools==69.5.1
pip install wheel

运行

• 因需要提前下载一些模型，若有huggingface.co访问问题，在run.py头两行加入镜像配置

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

• 因下载对应预训练模型需要注册，请自行科学上网并搬运模型（约7GB），本文存在在项目/models/spar3d文件夹中
• 执行推理命令，查看建模效果

# pretrained-model必须指定为当前项目相对路径文件夹，或自行修改代码实现绝对路径
# 建议使用low-vram-mode减少显存占用，测试发现12G显存不使用容易执行不成功
python run.py demo_files/examples/fish.png --pretrained-model models/spar3d  --low-vram-mode --output-dir output/