Markdownで表示

TripoSplat

TripoSplatはTripoAI(VAST)による画像から3Dを生成するモデルです。物体の写真1枚を受け取り、物体全体を3Dガウシアンスプラットとして返します。Speridlabs Idolのベースとなっているモデルで、LibreYOLOは同じLibreGenの呼び出しと出力でこれを実行します。

タスク
3d generation
インストール
pip install "libreyolo[gen]"
サポートティア
姉妹ティア、v1.8.0以降。独自のファクトリと契約を持つ、独立した製品インターフェースです。
アップストリーム
VAST (TripoAI)のTripoSplat、MIT。論文、ソース
ライセンス
コード:MIT and Apache-2.0、重み:MIT。商用利用

インストール

bash
pip install "libreyolo[gen]"

このextraにはdiffusers(FLUX.2 VAE)とtransformers(DINOv3エンコーダー)が含まれます。

推論

アクセス制限はなく、ログインも不要です。重みは初回使用時に、固定されたリビジョンでダウンロードされます。

Python
from libreyolo import LibreGen, SAMPLE_IMAGE model = LibreGen("triposplat")      # 初回使用時に重みをダウンロードresult = model(SAMPLE_IMAGE, seed=0) result.save("object.ply")           # 標準の 3DGS レイアウトresult.save("object.splat")         # コンパクトな Web 形式print(len(result.gaussians))
CLI
# runs/generate/predict に物体を .ply として保存libreyolo generate source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/guggenheim-bilbao.jpg model=triposplat seed=0
設定
from libreyolo import LibreGen, SAMPLE_IMAGE model = LibreGen("triposplat")result = model(SAMPLE_IMAGE, steps=20, gaussians=131072)

0.66Bのrectified-flowトランスフォーマーが、1024 pxの入力のDINOv3トークンとFLUX.2 VAEトークンを条件として、物体の潜在表現と入力カメラをデノイズします。オクツリーデコーダーがアンカーを配置し、ガウシアンデコーダーが各アンカーを32個のガウシアンに変換し、合計で32,768〜262,144個になります。CUDAとApple MPSではfp16、CPUではfp32で動作し、コンパイル済みの経路はありません。

出力はSperidlabs Idolと同じです。result.gaussiansはxyz、scales、rotations、opacities、sh、colors、推定されたcamera、seed、paramsを持ちます。物体はz-upで、[-0.5, 0.5]^3の中心に配置されます。.plyはy-upに変換した標準の3DGSレイアウトで、.splatはコンパクトなWeb形式です。

シードはアップストリームと同じくモデルのデバイス上の乱数生成器を駆動するため、同じシードでもデバイスが異なれば別の物体になります。アップストリームとは異なり、オクツリーのサンプリングもシード付きの生成器から乱数を取るため、シードで物体全体を再現できます。

設定

設定デフォルト意味
steps20サンプリングステップ数。アップストリームの推奨は10〜20。
guidance3.0classifier-free guidance。1以下で無効。
shift3.0フローの時間シフト。
gaussians262144出力のガウシアン数。32,768〜262,144。
margin1.2物体サイズに対する切り抜きの辺の比率(アップストリームと同じ)。

バリアント

サイズは0.6b(0.66Bパラメータ)の1つで、約1.8 GBです。これに加えて、Idolも使うDINOv3 ViT-H+エンコーダー(1.7 GB)とFLUX.2 VAEエンコーダー(0.2 GB)が必要です。

エクスポート

タスクONNXTorchScriptExecuTorchTensorRTOpenVINOPaddleMNNRKNNAxelerancnnTFLiteCoreMLCore AI
3D generation3D generation to ONNX:非対応3D generation to TorchScript:非対応3D generation to ExecuTorch:非対応3D generation to TensorRT:非対応3D generation to OpenVINO:非対応3D generation to Paddle:非対応3D generation to MNN:非対応3D generation to RKNN:非対応3D generation to Axelera:非対応3D generation to ncnn:非対応3D generation to TFLite:非対応3D generation to CoreML:非対応3D generation to Core AI:非対応

LibreGenの3Dファミリーではエクスポートは実装されていません。export()、train()、val()はNotImplementedErrorを発生させます(ライブラリ内のADR 0031)。

ライセンス

ダウンロードする特定の重みについて、Hugging Faceリポジトリのライセンスを確認してください。LibreYOLO orgの各チェックポイントにはライセンスが付与されており、同じファミリー内でも常に同一とは限りません。そのリポジトリが正式な情報源です。以下の概要は、このページを最後に検証した時点で適用されていた内容を示します。

これは関連するライセンスの説明であり、法的助言ではありません。商用上重要な場合は、自分でライセンスを読み、専門家の助言を受けてください。

原著作物
TripoSplat, VAST (TripoAI)
アップストリームのライセンス
MIT
アップストリームのソース
github.com/VAST-AI-Research/TripoSplat
LibreYOLOのコード
MIT
重み
MIT、huggingface.co/LibreYOLOで再公開
解釈
MIT is a permissive license, so the code and weights can be used in commercial and closed-source products; the only obligation is to keep the copyright and license notice with copies. LibreYOLO's adapter is MIT; the denoiser, octree and Gaussian decoders it ports from TripoSplat keep MIT, and the preprocessing and encoder tokenization shared with Speridlabs Idol come from the Apache-2.0 Idol SDK, with notices in libreyolo/models/gen/triposplat/NOTICE. The denoiser, decoder and BiRefNet weights are redistributed by LibreYOLO as LibreYOLO/LibreTripoSplat0.6b (MIT), byte-identical to VAST-AI/TripoSplat, and the FLUX.2 VAE downloads from black-forest-labs/FLUX.2-klein-4B (Apache-2.0). The DINOv3 image encoder is the exception: it is Meta's, under the DINOv3 License, a custom agreement that is not OSI-approved. It permits redistribution with a copy of the agreement and passes through trade-control and end-use restrictions (military, weapons, espionage and nuclear uses among them). LibreYOLO mirrors that encoder in bfloat16 at LibreYOLO/LibreDINOv3vith16plus together with the agreement, so nothing is gated; read the agreement before shipping a product on it.

TripoSplatはTripoAIによるものです(VAST-AI-Research/TripoSplat)。コードと重みはMITです。LibreYOLOはデノイザー、デコーダー、BiRefNetのファイルをバイト単位で同一のままLibreYOLO/LibreTripoSplat0.6bとしてミラーしています。FLUX.2 VAEはApache-2.0のblack-forest-labs/FLUX.2-klein-4Bに由来します。

DINOv3画像エンコーダーはMITではありません。 これはMetaのもので、DINOv3 Licenseの下にあります。貿易管理と最終用途の制限(軍事、兵器、諜報、核での利用など)を伴う独自の契約です。LibreYOLOはこれを契約とともにbfloat16でLibreYOLO/LibreDINOv3vith16plusにミラーしているため、アクセス制限はありません。このモデルで製品を出荷する前に必ず読んでください。

引用

@misc{yan2026generative3dgaussianslearned,
    title={Generative 3D Gaussians with Learned Density Control}, 
    author={Runjie Yan and Yan-Pei Cao and Peng Wang and Ding Liang and Yuan-Chen Guo},
    year={2026},
    eprint={2605.16355},
    archivePrefix={arXiv},
    primaryClass={cs.GR},
    url={https://arxiv.org/abs/2605.16355}, 
}

著者によるgithub.com/VAST-AI-Research/TripoSplat#citationの引用ブロックからコピーしています。

LibreYOLO v1.8.0で検証済みです。このページのサポート表、チェックポイント、ベンチマーク値は手作業で記述したものではなく、リリース済みライブラリと公開済みの重みから生成されています。