Stability AI 釋出 Stable Zero123：單圖生成 3D 模型

Stable Zero123 是 Stability AI 內部訓練的新視角生成模型，能把一張普通的 2D 平面圖變成不同角度的連續視角，並進一步重構成帶紋理的 3D 模型。

如果你手頭只有一張概念設計草圖或產品照片，它能替你腦補出物體轉到側面、背面甚至俯視時該長什麼樣。

它能做什麼，怎麼做到的

相比此前的開源標杆 Zero123-XL，Stable Zero123 在多視角一致性和幾何結構還原上有明顯進步。

它之所以表現更好，核心來自三個改進。

首先是訓練資料集的大換血。團隊從開源 3D 庫 Objaverse 裡清洗過濾掉大量低質資產，只保留高質量 3D 物體，並採用了比過去更逼真的光影渲染方式。

其次是引入了相機仰角條件。在訓練和推理過程中，模型都會接收一個預估的拍攝視角高度，有了這個參考系，模型在預測未見角度時就不會瞎猜。

最後是工程最佳化。他們通過預先計算潛在特徵，配合支援更大批次的資料載入器，讓訓練效率比 Zero123-XL 足足提升了 40 倍。

如果你想做一個純文字生成 3D 的工作流，甚至可以先用 SDXL 跑出一張滿意的 2D 效果圖，再把圖丟給 Stable Zero123 去生成 3D 物體。

硬體門檻與跑法

Stable Zero123 底層基於 Stable Diffusion 1.5 打造。

如果你只是用它生成單個角度的新視角圖片，消耗的視訊記憶體跟跑普通 SD1.5 完全一樣，消費級顯示卡毫無壓力。

但如果要把多視角圖片真正重建為 3D 網格，門檻就上去了。官方通過更新開源專案 threestudio 來提供支援，利用分數蒸餾取樣技術去最佳化 NeRF，最後再匯出帶紋理的 3D 資產。

這套完整的 3D 最佳化流程既耗時間又吃資源，官方建議至少配備 24GB 視訊記憶體。

這次開源包含兩個版本。主版本 Stable Zero123 混入了一部分帶有 CC-BY-NC 協議的資料，僅限科研和非商用，權重已經放在 Hugging Face 供大家下載。

另一個商用版本叫 Stable Zero123C，只用了 CC-BY 和 CC0 資料訓練。根據官方測試，兩個版本的生成質量基本一致，但想要商用必須開通 Stability AI 的付費會員。

為什麼重要

從單張圖還原 3D 一直是遊戲資產製作和工業設計裡最麻煩的髒活累活。Stable Zero123 證明了在不改動太大網路架構的前提下，靠洗資料和引入幾何先驗，就能讓 2D 擴散模型擁有更紮實的 3D 空間理解。

對獨立遊戲開發者和 3D 設計師來說，雖然 24GB 視訊記憶體的完整重建要求依然把很多筆記本使用者擋在門外，但只要有一張高配顯示卡，現在就已經能在本地搭建起一條從單圖到 3D 模型的自動化流水線，非常值得技術型創作者動手摺騰。