tttLRM 开源：不到 4GB 搞定 3D 重建，连电线和文字都能清晰还原

玩过 3D 高斯泼溅的人大概都有体会：拍了一堆照片扔进去，渲染出来的模型总带着一层挥之不去的云雾感，边缘漂着各种碎屑噪点，细节一拉近就露馅。

研究团队开源了名为 tttLRM 的 3D 重建模型。这个全称为「测试时训练长上下文自回归 3D 重建」的工具，直接把模型体积压到了 4GB 以下，在普通消费级显卡上就能跑起来。

告别烟雾弹，连电线和海报文字都看得清

传统的 3DGS 在处理多角度照片时，经常会出现漂浮的烟雾状伪影和画面撕裂。

tttLRM 在这方面干净得多。在官方展示的寺庙和庭院场景中，它不仅还原了整体空间，连背景装饰、布料的纹理质感都能准确捕捉。

更让人惊喜的是细长物体和微小图案。户外场景里的高空电线、海报上原本极易糊掉的细小文字，它都能清晰地复原出来。

无论是扫描复杂的整体大场景，还是只围着单个物体拍几张照片，它都能快速输出高质量的 3D Gaussian Splat 结果。

把照片塞进 fast weights：测试时训练的巧劲

能做到又轻又清，核心在于它引入了测试时训练技术。

以往的大模型要处理很多张照片，计算量会随视角数量急剧膨胀。tttLRM 设计了一个 TTT 层，在输入照片的当下，把照片信息快速压缩进一部分叫做 fast weights 的内部参数里。

这样做的好处是计算复杂度呈线性增长，不会随着照片变多而直接爆显存。

它在隐空间里构建出隐式 3D 表示，再解码成我们常用的高斯点云。论文提到，它还支持从流式输入的连续照片中逐步更新模型。

项目代码目前已经在 GitHub 开源并附带本地部署说明，Hugging Face 上的权重不到 4GB，主流消费级显卡装下它毫无压力。

为什么重要

我们认为，tttLRM 最吸引人的地方在于把 3D 重建的硬件门槛和人工修模成本同时打了下来。

对于独立开发者或 3D 创作者来说，过去用 3DGS 扫描资产，要么依赖昂贵的算力，要么得花大量时间手动擦除那些烦人的浮动噪点。现在一台普通游戏本或单张消费级显卡，就能在本地生成干净的资产，非常值得有现场建模需求的人上手一试。

从技术路线来看，这给长上下文 3D 重建提供了一个极佳的解法。行业过去总在纠结是硬扛注意力机制的二次方开销，还是牺牲精度做轻量化。tttLRM 证明了用 TTT 线性压缩多视角信息切实可行，甚至把新视角合成的预训练能力无缝迁移到了显式 3D 建模上。

不过也要看到，尽管它在几何边缘和文字细节上表现优异，面对复杂反光表面或遮挡极严重的死角时，依然受限于输入照片的覆盖度。快速更新内部参数的做法很聪明，但遇到极端光照差异时泛化能力如何，还需要社区在实际场景中进一步验证。