Predstavte si obrázok starej lampy. Na fotografii vidíte jej farbu, sklenený kryt a kovové držadlo. Teraz si predstavte, že z neho získate predmet, ktorý môžete v počítači otáčať, nasvietiť z druhej strany a vložiť do vlastnej hry. Presne týmto smerom ide TRELLIS.2: výskumný projekt, ktorý premieňa jeden obrázok na trojrozmerný objekt s materiálmi.

Oficiálny projekt: Microsoft TRELLIS.2 na GitHube. Ukážky nájdete na stránke autorov a skúšobné rozhranie v oficiálnom online deme. Nižšie vysvetlíme, čo sa pri tejto premene deje a ako sa k nej môže dostať domáci tvorca.

Kto za tým stojí

Označenie „od Microsoftu“ je správne, no výsledok vznikol spoluprácou viacerých ľudí a pracovísk. Tím spája Microsoft Research, Microsoft AI, Tsinghua University a University of Science and Technology of China, známu ako USTC. Prvým autorom je Jianfeng Xiang; práca uvádza, že na projekte pracoval počas stáže v Microsoft Research. Korešpondenčným autorom je Jiaolong Yang.

Úplný autorský tím tvoria Jianfeng Xiang, Xiaoxue Chen, Sicheng Xu, Ruicheng Wang, Zelong Lv, Yu Deng, Hongyuan Zhu, Yue Dong, Hao Zhao, Nicholas Jing Yuan a Jiaolong Yang. Ich výskumná práca Native and Compact Structured Latents for 3D Generation bola na arXiv zverejnená 16. decembra 2025. Práca a dátum vydania; autori a pracoviská.

Čo vlastne dostaneme z jednej fotografie

Obyčajný obrázok je plochý: neotočíte ho tak, aby odhalil skutočnú zadnú stranu predmetu. TRELLIS.2 vytvára priestorovú geometriu a údaje o povrchu. Pri exporte vzniká mesh, teda sieť vrcholov a trojuholníkov, doplnená materiálmi a textúrami. Výsledok možno ďalej upravovať v 3D programe. Oficiálny príklad ukazuje export do GLB.

Z jednej fotografie však nie je možné s istotou zistiť všetko. Ak vidíme iba prednú stranu lampy, jej zadná časť zostáva neznáma. Model ju odhaduje podľa naučených vzorov. Môže vytvoriť presvedčivý predmet, ktorý sa v skrytých detailoch líši od originálu. Je to zásadný rozdiel oproti meraniu rozmerov alebo snímaniu objektu z mnohých pohľadov. Pri vlastnom experimente preto kontrolujte najmä boky, zadnú stranu a otvory.

Ako sa AI naučí vyrábať 3D predmety

Pri tréningu výskumníci pracujú s existujúcimi 3D objektmi a ich vzhľadom. Systém sa učí kompaktný zápis tvaru a materiálu a vzťah medzi obrázkom a priestorovým objektom. Zverejnený nástroj na prípravu dát rozlišuje napríklad súbory ObjaverseXL, ABO, HSSD a TexVerse. Dokumentácia tréningových dát.

Doma tento tréning opakovať nemusíte. Stiahnete už naučené modely a použijete ich na nový obrázok. Tomu sa hovorí inferencia. Podobá sa to použitiu hotového prekladateľa: nepotrebujete ho znova učiť celý jazyk pri každej vete. Označenie 4B hovorí o približne štyroch miliardách parametrov generatívnych modelov; nejde o počet fotografií ani trojuholníkov výsledného objektu. Oficiálne váhy TRELLIS.2-4B.

Čo sa deje po nahratí obrázka

1. Príprava obrázka. Program oddelí predmet od pozadia alebo využije priehľadnosť vstupného PNG. Obrazový model DINOv3 získa číselné príznaky, ktoré zachytávajú obsah obrázka. Tie usmerňujú ďalšie generovanie. Zdrojový kód spracovania obrazu.
2. Hrubé rozloženie v priestore. Prvá generatívna fáza navrhne, ktoré časti priestorovej mriežky bude objekt obsadzovať.
3. Tvar. Ďalšia fáza vytvorí detailnejší zápis geometrie v aktívnych častiach mriežky.
4. Materiál. Tretia fáza doplní vlastnosti povrchu podľa obrázka aj už vytvoreného tvaru. Tak môže vzhľad sedieť na geometrii v spoločnom 3D priestore. Oficiálna implementácia jednotlivých fáz.
5. Dekódovanie a export. Kompaktný zápis sa prevedie na geometriu a materiály; exportér pripraví napríklad GLB súbor s textúrami. Knižnica O-Voxel.

Generovanie používa modely učené metódou flow matching. Ľudsky povedané: z náhodného číselného šumu sa postupnými krokmi stáva usporiadaný zápis predmetu, pričom obrázok ukazuje požadovaný smer. Nie je to okamžité prekreslenie fotografie jedinou operáciou. Oficiálna konfigurácia uvádza pre jednotlivé fázy 12 vzorkovacích krokov. Konfigurácia modelu a postup vzorkovania.

O-Voxel: prečo je dôležitý spôsob zápisu sveta

Pixel si môžete predstaviť ako štvorček obrázka. Voxel je jeho priestorový príbuzný: malá bunka v trojrozmernej mriežke. Keby sme podrobne vypĺňali celý priestor vrátane prázdneho okolia, spotrebovali by sme veľa pamäte. TRELLIS.2 využíva riedky zápis, ktorý sa sústreďuje na potrebné časti objektu.

Nová reprezentácia O-Voxel ukladá geometriu aj vlastnosti povrchu. Takzvaná Flexible Dual Grid umožňuje reprezentovať aj tenké otvorené plochy, ostré hrany a zložité vnútorné štruktúry. Netreba všetko vopred meniť na uzatvorenú škrupinu. To je zaujímavé pri listoch, látke či predmetoch s dutinami. Schopnosť formátu uchovať takúto štruktúru však ešte nezaručuje, že ju generátor vždy vytvorí správne. Technické vysvetlenie O-Voxel.

Kompresia: prečo model nemusí premýšľať nad každou bunkou zvlášť

Ďalšou podstatnou časťou je Sparse Compression VAE. Predstavte si ho ako naučený spôsob, ako zložitý predmet zapísať stručnejšími poznámkami a potom z nich znovu zostaviť jeho podobu. Generátor pracuje s týmto skráteným zápisom, nazývaným latentný priestor. VAE sa používa oddelene pre tvar a materiál.

Autori uvádzajú 16-násobné priestorové zmenšenie rozlíšenia pri kódovaní. Neznamená to jednoducho „súbor je šestnásťkrát menší“: ide o rozlíšenie v priestorových osiach, navyše pri riedkej štruktúre. V článku uvádzané rozlíšenia 512³, 1024³ a 1536³ označujú voxelovú mriežku, nie počet pixelov fotografie ani počet polygónov exportu. Výskumná práca: kompresia.

PBR: kov sa má správať ako kov

Farba sama nestačí. Fotografia kovového hrnčeka už obsahuje svetlá a tiene konkrétnej miestnosti. Ak ju iba nalepíme na predmet, odlesk sa môže tváriť ako namaľovaná škvrna. PBR, teda vykresľovanie založené na fyzikálnom modeli materiálov, umožňuje povrchu reagovať na nové osvetlenie. TRELLIS.2 modeluje tieto hlavné vlastnosti:

• Základná farba: aký farebný vzhľad má povrch.
• Drsnosť: či vytvára ostré odlesky alebo mäkký rozptýlený lesk.
• Kovovosť: ako sa povrch správa v modeli kovu a nekovu.
• Nepriehľadnosť: ktoré časti povrchu sú viac či menej priehľadné.

Práve spoločné generovanie tvaru a týchto vlastností robí výsledok zaujímavým na ďalšie svietenie a používanie v scéne. Nepriehľadnosť pritom sama osebe nie je kompletná fyzikálna simulácia skla s každým lomom svetla. Vysvetlenie materiálov od Microsoft Research.

Čo znamenajú pôsobivé časy z ukážok

Merané na NVIDIA H100. Sú to časy generovania tvaru a materiálu, nie sľub pre domáci počítač ani čas od inštalácie po hotový súbor. Sťahovanie váh, prvé načítanie, náhľady a export môžu pridať ďalší čas. Rozdiel robí karta, rozlíšenie aj zložitosť objektu. Oficiálna tabuľka výkonu.

Tri cesty k domácemu experimentu

Pre prvé zoznámenie je rozumné online demo Microsoftu. Nahrajte vlastný jednoduchý predmet, prezrite si výsledok zo všetkých strán a skúste export. Dostupnosť či čakacia doba závisia od služby; nejde o garantovaný neobmedzený výkon. Pri tejto ceste obrázok posielate do vzdialenej služby. Mobil môže slúžiť ako klient, no samotný výpočet tým nebeží v telefóne.

Čo potrebuje lokálna inštalácia

Oficiálna dokumentácia uvádza Linux a NVIDIA GPU s aspoň 24 GB pamäte; autori overovali A100 a H100. VRAM je vlastná pamäť grafickej karty, nie systémová RAM. Počítač s 32 GB RAM a 8 GB na grafike tým požiadavku 24 GB VRAM nespĺňa. Karty s 8, 12 alebo 16 GB sú pod týmto oficiálnym limitom; komunitné úpravy treba posudzovať osobitne. Ani samotných 24 GB negarantuje kompatibilitu konkrétnej karty a všetkých režimov. Požiadavky projektu.

Treba tiež funkčný ovládač NVIDIA, CUDA Toolkit, nástroje na kompiláciu a prostredie Pythonu. Aktuálny inštalátor vytvára cez Conda Python 3.10 a používa PyTorch 2.6.0 s CUDA 12.4. CUDA Toolkit je potrebný aj na zostavenie niektorých rozšírení; samotné nainštalovanie PyTorchu túto časť nemusí vyriešiť. RAM a SSD musia mať rezervu na váhy, kompiláciu a výstupy; jednotné oficiálne minimum pre ne tu neuvádzame. Čo vykonáva inštalátor.

Postup pre pripravený Linux počítač

Nasledujúce príkazy vychádzajú z oficiálneho návodu skontrolovaného 21. októbra 2026. Predpokladajú už pripravenú Condu, Git, ovládač a vhodný CUDA Toolkit. Inštalujú výskumný softvér a jeho závislosti do vášho počítača; nejde o návod, ktorý sme pri tvorbe článku nezávisle odskúšali.

git clone -b main https://github.com/microsoft/TRELLIS.2.git --recursive cd TRELLIS.2 . ./setup.sh --new-env --basic --flash-attn --nvdiffrast --nvdiffrec --cumesh --o-voxel --flexgemm conda activate trellis2 python app.py

Otvorte adresu vypísanú v termináli. Grafické rozhranie umožní nahrať obrázok, vybrať rozlíšenie, vytvoriť náhľad a následne použiť Extract GLB a Download GLB. Na prvý pokus začnite rozlíšením 512 a jedným jednoduchým predmetom. Automatické prvé sťahovanie modelov môže trvať podstatne dlhšie než samotná tvorba objektu. Oficiálna aplikácia a ovládanie.

Praktický detail: konfigurácia odkazuje aj na DINOv3 od Meta a BRIA RMBG-2.0. Prístup k nim môže vyžadovať účet Hugging Face, prijatie podmienok a prihlásenie v lokálnom prostredí. Ak sťahovanie zlyhá s chybou prístupu, skontrolujte oprávnenia ku konkrétnemu modelu; nemusí ísť o problém s grafickou kartou. Prístupové tokeny patria do lokálneho prihlasovania, nie do zverejneného kódu.

A čo Windows, AMD alebo Mac?

Autori uvádzajú testovanie na Linuxe. Pre používateľa Windows je možnou experimentálnou cestou WSL 2 s Linuxom a CUDA, ale všeobecná podpora CUDA vo WSL nie je dôkazom otestovanej inštalácie TRELLIS.2 na každej zostave. NVIDIA má samostatný návod pre WSL 2; ovládač grafiky sa v tejto ceste spravuje na strane Windows.

Oficiálny inštalátor obsahuje aj vetvy ROCm, no niektoré doplnky v ňom podporujú len CUDA. Preto tu nesľubujeme kompletný bezproblémový postup pre ľubovoľnú AMD kartu. Natívne spustenie na Macu nie je uvedená referenčná cesta. Pre tieto počítače je online demo praktický prvý kontakt. Aktuálne vetvy inštalátora.

Domáci pokus: vlastná lampa do hry

Navrhnime si konkrétny pracovný postup. Odfotíte vlastnú stolnú lampu alebo si nakreslíte jednoduchú rekvizitu. Vyberte jeden dobre viditeľný objekt, pokojné pozadie a pohľad, ktorý ukazuje prednú stranu aj časť boku. Ostrý, nezakrytý vstup vám uľahčí posúdiť, či výsledok zachoval to podstatné. Pri prvom pokuse sa vyhnite celej izbe s množstvom predmetov.

1. Vytvorte prvý model v nižšom rozlíšení a uložte si obrázok aj seed, teda počiatočné nastavenie náhody.
2. Otočte model zozadu a zospodu. Pozrite, či držadlo nie je zlepené, otvor zaslepený a noha zdeformovaná.
3. Vyskúšajte nový seed alebo upravený vstup. Až keď tvar dáva zmysel, skúšajte vyššie rozlíšenie.
4. Exportujte GLB a otvorte ho v Blenderi cez import glTF 2.0. Skontrolujte mierku, orientáciu, materiály a hustotu siete.
5. Pre hru znížte počet polygónov a veľkosť textúr podľa výkonového rozpočtu. Pridajte vhodnú kolíziu a podľa potreby úrovne detailov. Automaticky vygenerovaný objekt ešte nie je optimalizovaná herná rekvizita.

Godot odporúča glTF 2.0 a podporuje aj jeho binárny súbor GLB. Tak sa môže generovaný predmet dostať do vlastného herného projektu cez bežný formát. Správanie predmetu, animácia či herné pravidlá sú ďalšia práca tvorcu. Samotný statický model postavy nedáva hotovú kostru ani ovládanie. Dokumentácia importu do Godotu.

Dve veci, ktoré pri exporte ľahko prekvapia

Sklo môže vyzerať nepriehľadne. Oficiálny návod uvádza, že exportované GLB má predvolene režim OPAQUE. Alfa kanál môže byť uložený v textúre, no treba ho správne zapojiť a nastaviť priehľadný režim materiálu v cieľovom programe. Chýbajúca priehľadnosť preto nemusí znamenať, že chýba samotná informácia. Poznámka k exportu a priehľadnosti.

Vlastný model možno tiež otextúrovať. Projekt už obsahuje samostatný postup, ktorý vezme dodaný 3D tvar a referenčný obrázok a vytvorí materiály. Pre niekoho, kto už vie modelovať v Blenderi, môže byť práve toto najužitočnejšia časť. Oficiálny príklad textúrovania existujúcej geometrie.

Dá sa výsledok vytlačiť na 3D tlačiarni?

Áno, môže poslúžiť ako základ pre ďalšiu prípravu. Najprv však treba skontrolovať uzavretosť siete, drobné diery, hrúbku stien, mierku a stabilitu. Modelová karta výslovne uvádza možnosť malých dier a topologických chýb. Tenký list, ktorý dobre vyzerá na obrazovke, nemusí byť fyzicky vytlačiteľný. Farebnosť a kovový lesk PBR sa navyše automaticky nepremenia na materiál bežnej tlače. Známe obmedzenia modelu.

Pre dekoráciu alebo figúrku môže byť takýto základ veľmi zaujímavý. Ak potrebujete presný kryt na zariadenie či ozubené koleso, jeho rozmery a funkčné plochy navrhnite a overte v CAD. Fotografia sama neurčuje výrobné tolerancie. TRELLIS.2 nenahrádza meranie.

Čo je otvorené a na čo myslieť pri komerčnom použití

Kód a hlavný model TRELLIS.2 sú zverejnené pod licenciou MIT. To umožňuje široké použitie pri dodržaní jej podmienok. Celý pracovný postup však môže využívať ďalšie modely s vlastnými licenciami. DINOv3 má samostatné podmienky a BRIA pri voľne dostupných váhach RMBG-2.0 uvádza nekomerčné použitie; komerčné použitie podmieňuje osobitnou dohodou. Licencia TRELLIS.2; podmienky BRIA; podmienky DINOv3.

Pre vlastnú predávanú hru preto skontrolujte konkrétne používané súčasti aj práva k vstupnému obrázku. Názov „MIT“ pri hlavnom projekte sám nevypovedá o každej závislosti. Po stiahnutí a sprístupnení potrebných modelov možno generovanie vykonávať lokálne; online demo je samostatná vzdialená služba.

Prečo to vzbudzuje také nadšenie

Najväčšia hodnota je v skrátení cesty od vizuálneho nápadu k priestorovému základu, s ktorým sa dá pracovať. Začiatočník môže rýchlejšie skúmať vlastnú scénu, nezávislý vývojár skúšať rekvizity a skúsený grafik hľadať varianty. Spojenie otvoreného kódu, upraviteľnej geometrie a materiálov reagujúcich na svetlo dáva tvorcovi väčší priestor než samotný pekný obrázok.

Fantastická je možnosť začať od vlastnej predstavy a dostať ju do 3D prostredia. Hodnota sa ukáže pri ďalšej práci: keď opravíte tvar, zmeníte materiál, postavíte scénu a vytvoríte z objektu niečo vlastné. Rozumné očakávanie je výrazná tvorivá pomoc s kontrolou výsledku.

Redakčná poznámka: informácie a odkazy sme skontrolovali 21. októbra 2026. Článok vychádza z výskumnej práce, oficiálneho kódu a modelových kariet. TRELLIS.2 sme pri jeho príprave neinštalovali ani nezávisle nemerali; uvedené časy sú výsledky autorov. Obe sprievodné ilustrácie vznikli pomocou AI a nie sú výstupmi TRELLIS.2.