编辑评分 100/100
网站简介
基于Transformer的GRM模型，高效融合多视图实现高质量3D重建 GRM是前馈Transformer架构的3D重建模型，可将输入像素转换为像素对齐高斯分布，反投影后得到密集3D高斯场景表示。相比传统3D重建方案，GRM在重建质量与效率方面均更优，还可结合多视图扩散模型，支持文本到3D、图像到3D生成任务，搭建了可扩展的高效重建框架。
核心功能
多视图信息融合
基于Transformer前馈架构，高效整合多视角输入的视觉信息，处理速度更优
高质量3D场景重建
将像素转换为对齐高斯分布，反投影生成密集准确的3D场景高斯表示
3D生成任务拓展
可对接现有多视图扩散模型，支持文本转3D、图像转3D生成任务
可扩展重建框架
结合Transformer架构与3D高斯表示，打造适配性强的可扩展重建框架
高效性能输出
对比多数同类方案，同时在重建质量和运行效率两个维度实现提升
使用指南
- 1
访问GRM官方项目页https://justimyhxu.github.io/projects/grm，获取项目技术文档、开源代码说明
- 2
根据文档指引配置对应运行环境，准备好多视图输入数据，调用模型接口完成处理，即可输出3D重建结果
- 3
若需做3D生成，可按文档说明对接多视图扩散模型使用。
优势亮点
重建效率优于多数同类方案
重建精度质量表现突出
支持拓展3D生成任务
整体架构可扩展性强
编辑推荐
GRM是3D计算机视觉领域颇具创新性的研究成果，它突破传统3D重建的效率瓶颈，结合Transformer架构与3D高斯表示的方案，兼顾了重建质量与运行效率，为3D重建领域提供了可扩展的新框架，也为文本到3D、图像到3D等生成方向提供了新的技术思路。
常见问题
深度了解
GRM是一款基于Transformer架构的创新3D重建模型，部署于justimyhxu.github.io域名，面向AI 3D领域的研发与研究需求。GRM采用前馈处理架构，能够高效融合多视图输入信息，将输入像素转换为像素对齐的高斯分布，再通过反投影得到表示场景的密集3D高斯分布集合，这套架构设计解锁了可扩展、高效的3D重建新框架。和现有的多数3D重建方案相比，GRM在重建质量和运行效率两个维度都实现了明显提升。除核心的3D重建功能外，GRM还展现出在3D生成领域的应用潜力，能够和现有多视图扩散模型结合，支持文本到3D、图像到3D等生成任务，为AI 3D内容生成提供了新的技术路径。
使用须知
定价: 以官网定价为准
价格和授权政策可能变化，请以官网最新信息为准
资料由中文导航编辑部整理并经健康检测核验，定期复查更新。
本页信息核对于 2026/10/10，收录信息以收录当日官网状态为准，如发现内容过期请通过下方反馈告知。
访问第三方网站时，请注意以下事项:
- 谨慎提供个人账号、密码和支付信息
- 下载文件前确认来源安全，警惕诱导性广告
- 涉及版权素材使用时，请核实授权范围
- 如遇网站无法访问或内容异常，可反馈给我们
帮助我们维护准确的收录数据，纠错会进入编辑复核队列
用过GRM？说说你的真实体验
你的点评会帮助更多人选型避坑——匿名发表，无需注册，30 秒即可完成
用户评价
还没有评分
成为第一个评价 GRM 的人
我的评分
随下方评论一并提交
热度数据
按站内点击统计1
站内总点击
#-
同类排名 / 3471 站
1
同类点击中位数