VAST 开源 Mira-Scene：单图直接生成可编辑 3D 场景

Mira-Scene 是一个能把单张普通图片直接拆解并重建为可编辑 3D 场景的开源工具。

以往用 AI 从单图拼场景，常见的问题是物体虽然造出来了，但放在一起尺度不对、透视失真，或者和原图里的物体错位。Mira-Scene 的核心思路就是解决这种漂移，保证生成出来的每个 3D 物体在空间布局和像素位置上与原图严格对齐。

它能做什么

只要喂给它一张普通室内或静物图片，Mira-Scene 就会自动把图里的各个独立物体抠出来，生成各自独立的 3D 网格模型，再把它们稳稳当当地摆回 3D 空间对应的位置。

因为每个物体都是独立的网格，你重建完之后可以直接把整个场景打包导入 Blender。你可以单独选中里面的椅子挪动位置、换贴图，或者给它做一段物理碰撞动画。

对搞具身智能的开发者来说，它生成的场景能直接对接物理模拟器，用来快速给机器人搭建仿真训练环境，省去了手动画白模的时间。

像素对齐是怎么做到的

现有的 Agent 类系统如果直接从零拼装场景，经常出现几何形状漂移和比例失调。Mira-Scene 换了一条路，把整套流程拆成了一套严密的推理管线。

它先对原图做交互式实例分割和场景深度估计，接着通过名为 Mira-CCM 的模块预测正则化坐标与体素，随后独立生成物体的 3D 网格。

最后一步是场景组装与环境贴图渲染。它通过恢复密集的像素级对应关系重新计算所有物体的尺度与朝向，让重建结果与原图视角重合。

在与闭源方案 SAM3D 的对比测试中，SAM3D 依赖数百万张数据和大量人工布局标注，而 Mira-Scene 仅凭 8 万条数据和全自动管线，在 3D-IoU（0.727 对比 0.520）和 2D-IoU（0.783 对比 0.672）等关键指标上实现了反超。

怎么跑起来

整套项目的代码基于 MIT 协议开源，项目体积大约只有 6.1GB，普通的中端消费级显卡就能直接跑起来。

官方在 GitHub 和 Hugging Face 上同步放出了完整的推理管线、评估工具、Stage 1 与 Stage 2 的预训练权重，以及微调所需的数据集。

代码支持断点续跑，而且自带多卡分片支持，如果手头有多张卡，可以批量跑用例重建。

为什么重要

如果你是独立游戏开发者、3D 场景建模师或者机器人仿真算法工程师，Mira-Scene 非常值得现在部署来试一试。它把以前需要专业三维软件逐个摆放、调尺度的活，压缩成了一条单图全自动处理管线，大幅降低了场景数字孪生的门槛。

在技术路线上，它用仅 8 万条合成与微调数据击败了闭源的百万级标注方案，证明了严谨的几何约束与像素对齐比无脑堆砌模型体量更管用。尽管复杂多遮挡极端视角下的表现依然依赖输入质量，但作为完全开放的本地基础设施，它给 3D 空间生成提供了一个极佳的开箱即用底座。