> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/generation-3d/trellis-3d.md). # Génération 3D TRELLIS Convertissez des images en maillages 3D et en splats gaussiens avec Microsoft TRELLIS sur Clore.ai TRELLIS de Microsoft Research convertit une seule image RVB en un maillage 3D de haute qualité, un splat gaussien ou un champ de radiance en environ 30 secondes sur une RTX 3090. Publié sous licence MIT, il est entièrement gratuit pour un usage commercial. {% hint style="success" %} Tous les exemples s’exécutent sur des serveurs GPU loués via [la place de marché CLORE.AI](https://clore.ai/marketplace). {% endhint %} ## Caractéristiques clés * **Une seule image → 3D** — aucune capture multi-vue, aucun prompt textuel requis * **Plusieurs formats de sortie** — maillage GLB, splat gaussien (.ply), champ de radiance * **\~30 secondes par asset** sur RTX 3090/4090 * **licence MIT** — gratuit pour un usage commercial * **Interface web Gradio** incluse pour une interaction via navigateur * **API Python** pour l'intégration dans des pipelines et le traitement par lots * **Sans apprentissage préalable** — fonctionne sur n'importe quelles images sans ajustement fin ## Exigences | Composant | Minimum | Recommandé | | --------- | -------------- | -------------- | | GPU | RTX 3090 24 Go | RTX 4090 24 Go | | VRAM | 24 Go | 24 Go | | RAM | 32 Go | 64 Go | | Disque | 30 Go | 60 Go | | CUDA | 12.8+ | 12.8+ | | Python | 3.10 | 3.10 | **Tarification Clore.ai :** RTX 4090 ≈ 0,14–0,42 $/h · RTX 3090 ≈ 0,07–0,21 $/h TRELLIS nécessite **24 Go de VRAM**. Une RTX 3090 est le GPU minimum viable. ## Démarrage rapide ### 1. Configurer l'environnement TRELLIS utilise des versions spécifiques des dépendances — un environnement conda est fortement recommandé : ```bash # Créer et activer l'environnement conda create -n trellis python=3.10 -y conda activate trellis # Installer PyTorch avec CUDA pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128 # Cloner TRELLIS git clone https://github.com/microsoft/TRELLIS.git cd TRELLIS # Installer les dépendances pip install -r requirements.txt # Installer des paquets supplémentaires pour l'export du maillage pip install kaolin -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-2.1.0_cu121.html pip install spconv-cu121 ``` ### 2. Lancer l'interface web Gradio ```bash python app.py --share ``` Cela lance une interface Gradio sur `http://0.0.0.0:7860`. Avec `--share` vous obtenez une URL publique accessible depuis n'importe quel navigateur, utile lors de l'exécution sur un serveur Clore.ai sans interface graphique. Téléchargez une image, ajustez les paramètres de génération et téléchargez l'asset 3D résultant. ### 3. Utiliser l'API Python ```python from trellis.pipelines import TrellisImageTo3DPipeline from PIL import Image # Charger le pipeline (télécharge les poids du modèle au premier lancement, ~5 Go) pipeline = TrellisImageTo3DPipeline.from_pretrained("JeffreyXiang/TRELLIS-image-large") pipeline.cuda() # Générer du 3D à partir d'une image image = Image.open("input.png") outputs = pipeline.run( image, seed=42, sparse_structure_sampler_params={ "steps": 12, "cfg_strength": 7.5, }, slat_sampler_params={ "steps": 12, "cfg_strength": 3.0, }, ) ``` ### 4. Exporter vers différents formats ```python # Exporter comme maillage GLB (moteurs de jeu, visionneuses web) glb = pipeline.to_glb( outputs["gaussian"][0], outputs["mesh"][0], simplify=0.95, # réduire le nombre de polygones de 95 % texture_size=1024, ) glb.export("output.glb") # Exporter le splat gaussien au format PLY outputs["gaussian"][0].save_ply("output.ply") # Exporter le maillage au format OBJ import trimesh mesh = trimesh.Trimesh( vertices=outputs["mesh"][0].vertices.cpu().numpy(), faces=outputs["mesh"][0].faces.cpu().numpy(), ) mesh.export("output.obj") ``` ## Exemples d'utilisation ### Traitement par lots de plusieurs images ```python import glob from pathlib import Path input_dir = Path("/workspace/input-images") output_dir = Path("/workspace/3d-output") output_dir.mkdir(exist_ok=True) for img_path in sorted(input_dir.glob("*.png")): image = Image.open(img_path) outputs = pipeline.run(image, seed=42) glb = pipeline.to_glb( outputs["gaussian"][0], outputs["mesh"][0], simplify=0.95, texture_size=1024, ) glb.export(str(output_dir / f"{img_path.stem}.glb")) print(f"Exporté : {img_path.stem}.glb") ``` ### Ajuster la qualité de génération ```python # Qualité supérieure (plus lent, ~60 s) outputs = pipeline.run( image, seed=42, sparse_structure_sampler_params={ "steps": 20, "cfg_strength": 9.0, }, slat_sampler_params={ "steps": 20, "cfg_strength": 4.5, }, ) # Aperçu rapide (qualité inférieure, ~15 s) outputs = pipeline.run( image, seed=42, sparse_structure_sampler_params={ "steps": 6, "cfg_strength": 7.5, }, slat_sampler_params={ "steps": 6, "cfg_strength": 3.0, }, ) ``` ### Extraire le splat gaussien pour les visionneuses 3D ```python # Enregistrer en .ply pour des visionneuses comme SuperSplat, Luma ou le rendu de splat Three.js outputs["gaussian"][0].save_ply("scene.ply") ``` ## Référence de performance | GPU | Étapes (12/12) | Temps | Remarques | | ---------- | -------------- | ------ | --------------------------------- | | RTX 4090 | 12 / 12 | \~25 s | Meilleur rapport prix/performance | | RTX 3090 | 12 / 12 | \~35 s | Minimum pour TRELLIS | | A100 40 Go | 12 / 12 | \~20 s | Option datacenter | ## Conseils * **Utilisez des PNG avec des arrière-plans propres** — supprimez l'arrière-plan avec `rembg` avant de l'envoyer à TRELLIS pour une qualité de maillage optimale * **`simplify=0.95`** dans l'export GLB réduit le nombre de polygones de 95 % tout en préservant la qualité visuelle — essentiel pour une utilisation web/jeu * **Définir `--share`** lors de l'exécution de l'interface Gradio sur Clore.ai pour obtenir une URL publique * **Cohérence de la graine** — fixez `la graine` pour des sorties reproductibles d'une exécution à l'autre * **Résolution de la texture** — utilisez `texture_size=2048` pour des textures de qualité impression, `1024` pour les applications en temps réel * **Le premier lancement télécharge \~5 Go** de poids du modèle — assurez-vous d'avoir suffisamment d'espace disque * **Les splats gaussiens** sont idéaux pour le rendu en temps réel ; les maillages GLB conviennent mieux aux moteurs de jeu et à l'impression 3D ## Dépannage | Problème | Solution | | ----------------------------- | ------------------------------------------------------------------------------------------------- | | `Mémoire CUDA insuffisante` | TRELLIS a besoin de 24 Go de VRAM — utilisez une RTX 3090/4090 ou une A100 | | `kaolin` installation échoue | Faites correspondre exactement la version de kaolin à votre version de PyTorch + CUDA | | `spconv` erreur d'importation | Installez la version CUDA correcte : `pip install spconv-cu121` | | Interface Gradio inaccessible | Utilisez `--share` pour un tunnel public, ou exposez le port 7860 sur Clore.ai | | Qualité de maillage médiocre | Assurez-vous que l'image d'entrée ait un fond propre/supprimé | | Première génération lente | Les poids du modèle sont téléchargés au premier lancement — les exécutions suivantes sont rapides | | L'exportation GLB échoue | Assurez-vous `trimesh` et `pygltflib` sont installés | ## Ressources * [GitHub de TRELLIS](https://github.com/microsoft/TRELLIS) * [Article : Latents 3D structurés pour une génération 3D évolutive](https://arxiv.org/abs/2412.01506) * [la place de marché CLORE.AI](https://clore.ai/marketplace) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/generation-3d/trellis-3d.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.