VAST 開源 Mira-Scene：單圖直接生成可編輯 3D 場景

Mira-Scene 是一個能把單張普通圖片直接拆解並重建為可編輯 3D 場景的開源工具。

以往用 AI 從單圖拼場景，常見的問題是物體雖然造出來了，但放在一起尺度不對、透視失真，或者和原圖裡的物體錯位。Mira-Scene 的核心思路就是解決這種漂移，保證生成出來的每個 3D 物體在空間佈局和畫素位置上與原圖嚴格對齊。

它能做什麼

只要餵給它一張普通室內或靜物圖片，Mira-Scene 就會自動把圖裡的各個獨立物體摳出來，生成各自獨立的 3D 網格模型，再把它們穩穩當當地擺回 3D 空間對應的位置。

因為每個物體都是獨立的網格，你重建完之後可以直接把整個場景打包匯入 Blender。你可以單獨選中裡面的椅子挪動位置、換貼圖，或者給它做一段物理碰撞動畫。

對搞具身智慧的開發者來說，它生成的場景能直接對接物理模擬器，用來快速給機器人搭建模擬訓練環境，省去了手動畫白模的時間。

畫素對齊是怎麼做到的

現有的 Agent 類系統如果直接從零拼裝場景，經常出現幾何形狀漂移和比例失調。Mira-Scene 換了一條路，把整套流程拆成了一套嚴密的推理管線。

它先對原圖做互動式例項分割和場景深度估計，接著通過名為 Mira-CCM 的模組預測正則化座標與體素，隨後獨立生成物體的 3D 網格。

最後一步是場景組裝與環境貼圖渲染。它通過恢復密集的畫素級對應關係重新計算所有物體的尺度與朝向，讓重建結果與原圖視角重合。

在與閉源方案 SAM3D 的對比測試中，SAM3D 依賴數百萬張資料和大量人工佈局標註，而 Mira-Scene 僅憑 8 萬條資料和全自動管線，在 3D-IoU（0.727 對比 0.520）和 2D-IoU（0.783 對比 0.672）等關鍵指標上實現了反超。

怎麼跑起來

整套專案的程式碼基於 MIT 協議開源，專案體積大約只有 6.1GB，普通的中端消費級顯示卡就能直接跑起來。

官方在 GitHub 和 Hugging Face 上同步放出了完整的推理管線、評估工具、Stage 1 與 Stage 2 的預訓練權重，以及微調所需的資料集。

程式碼支援斷點續跑，而且自帶多卡分片支援，如果手頭有多張卡，可以批次跑用例重建。

為什麼重要

如果你是獨立遊戲開發者、3D 場景建模師或者機器人模擬演算法工程師，Mira-Scene 非常值得現在部署來試一試。它把以前需要專業三維軟體逐個擺放、調尺度的活，壓縮成了一條單圖全自動處理管線，大幅降低了場景數字孿生的門檻。

在技術路線上，它用僅 8 萬條合成與微調資料擊敗了閉源的百萬級標註方案，證明了嚴謹的幾何約束與畫素對齊比無腦堆砌模型體量更管用。儘管複雜多遮擋極端視角下的表現依然依賴輸入質量，但作為完全開放的本地基礎設施，它給 3D 空間生成提供了一個極佳的開箱即用底座。