用 Meta SAM 3D 将图片转换为三维模型

原标题Turning Images into 3D Models with Meta SAM 3D

Matthew Berman 在 Meta 的 SAM Playground 中演示物体提取、人体重建和 3D 打印流程。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2026年1月2日
视频
5:55
阅读
2 分钟
幻灯片
3
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在与 Meta 合作制作的视频中,Matthew Berman 演示 SAM 3D 工具如何从图片估计三维物体和人体。他导出模型用于 3D 打印,并展示如何调整选区。结果是近似值:被遮挡的表面和身体姿势可能推断错误,生成网格也可能在打印前需要修复。

  1. 1Meta 合作Berman 披露 Meta 与他合作制作了本视频。他称这些工具免费,模型开放权重并开源。
  2. 2选取并生成他选中音箱生成三维表示,并调整唱片机的蒙版以包含盖子。
  3. 3导出供打印演示提供 PLY 和 GLB 格式;Berman 将 GLB 转换为 STL 供打印机使用。
  4. 4估计人体人体工具识别柔术照片中的两个人并估计姿势;遮挡可能使估计存在不确定性。

要点建议

  1. SAM Playground 可以选中图片中的物体并生成估计的三维表示。
  2. 生成前可以通过添加或移除区域调整选区。
  3. Berman 导出 GLB 模型并将其转换为 STL,用于 3D 打印。
  4. 人体工具从图片估计人物和姿势,包括部分被遮挡的区域。
  5. 单张图片无法唯一确定不可见的几何形状,生成模型使用前需要检查。
全文

按章节阅读整理后的全文

只看原始文稿
01

从图片到打印物体

Berman 用打印出的游戏角色介绍 SAM 3D,并披露与 Meta 的合作。

Matthew Berman 从《荒野乱斗》中 Spike 的图片开始,用 Meta 的 SAM 3D 将它转换成三维模型并打印。他认为该技术除了打印,还可能用于游戏和视觉特效。Meta 与他合作制作了本视频,他在片中披露了这一关系。

在 SAM Playground 中,Berman 选择三维场景工具,并在示例图片中选中一个音箱。界面高亮物体并生成三维表示。选取唱片机时,初始蒙版漏掉了透明盖子,因此他先添加遗漏区域,再重新生成。

02

物体选取、导出与效果

他从音箱和唱片机生成模型,调整蒙版并解释导出选项。

选择音箱生成三维模型
幻灯片 1 / 3选择音箱生成三维模型界面高亮源图片中的物体并显示生成的表示。
导出格式
幻灯片 2 / 3导出格式下载对话框显示 PLY 和 GLB 选项。

下载对话框提供 PLY 和 GLB 格式。Berman 说,他下载 GLB 并转换成 STL 用于 3D 打印;导出的物体也可以在 Blender 等三维应用中编辑。用于打印的结果可能需要检查比例、网格完整性、支撑结构等事项。

界面还允许用户移动、旋转、缩放和重新生成物体,以及应用效果或视觉风格。Berman 展示了闪光、金色、卡通着色和环境滤镜等示例。这些效果只是演示,是否适用取决于目标输出格式与工作流程。

03

估计三维人体

他使用两个人的照片演示人体和姿势重建。

接下来,他在一张两人练习柔术的照片上使用三维人体工具。界面识别出两个人并估计身体结构和姿势;他展示了如何选取或移除其中一人。由于身体相互遮挡,隐藏部位的重建只是估计,并非经过验证的测量。

04

更多物体示例

他尝试建筑和游戏角色,并指出角色不可见的背面并不完美。

Berman 又尝试了建筑和游戏角色;小配件被漏选后,他调整了选区。生成的角色从正面看很像,但他指出背面不够理想,因为源图片没有显示那里。单一视角下不可见部位可能有多种形状,因此使用前应按目标用途检查并编辑结果。

从单张图片重建角色
幻灯片 3 / 3从单张图片重建角色Berman 指出模型不可见的背面不够准确。

他最后强调这一工具便于尝试,并表示在所展示的环境下模型和工具开放且免费。具体使用时,应检查模型许可、硬件要求、服务可用性以及源图片的相关权利。

同频道的其他文章

6 张幻灯片25:50EN → 简体中文
MBMatthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1
2 张幻灯片32:20EN → 简体中文
MBMatthew Berman· 2026年10月23日本地 AI 究竟适合谁?成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权,与硬件成本、设置复杂度及推理速度之间的关系。Local inferenceOpen-weight modelsAI cost & performance+1
45:08EN → 简体中文
MBMatthew Berman· 2026年10月21日Sam Altman 谈 AI 发现、意识、算力与以人为本的未来Matthew Berman, Sam Altman · Forward Future在与 Matthew Berman 的对谈中,Altman 讨论科学进步、个人助手、递归自我改进与人类自主权。AI for sciencePersonal agentsConsciousness+2
0:32EN → 简体中文
MBMatthew Berman· 2026年10月21日Sam Altman 谈持续存在的软件工作需求Sam Altman, Matthew Berman · OpenAI在一段简短访谈中,Altman 表示,尽管 AI 正在改变软件的制作方式,软件需求可能比人们预想的更大。Future of WorkSoftware engineering编程智能体
5 张幻灯片12:14EN → 简体中文
MBMatthew Berman· 2026年10月14日Gemini 4 Argon 实测:3D 演示、电子表格原型与基准成绩Matthew Berman · Forward FutureMatthew Berman 用游戏和视觉项目测试 Google 模型,并比较公布的编程与智能体基准。GeminiBenchmarks编程智能体+1
5 张幻灯片10:36EN → 简体中文
MBMatthew Berman· 2026年10月13日Meta Muse Wonder 实测:基准成绩强劲,演示表现不一,额度限制影响体验Matthew Berman · Forward FutureMatthew Berman 测试 Meta 模型的浏览器演示,并分析公开的基准成绩、使用方式和成本。模型与训练BenchmarksAI cost & performance+1