Pixal3D es un proyecto SIGGRAPH 2026 de Tsinghua, Tencent ARC y Victoria University of Wellington. La implementación actual usa TRELLIS.2, texturas PBR y, desde septiembre de 2026, inferencia multivista.
Por qué importa alinear los píxeles
Muchos generadores incorporan características por atención en un espacio canónico. Pixal3D las retroproyecta a 3D y establece una relación explícita con la vista de entrada.
Busca contornos y detalles locales fieles. Los ejemplos incluyen criaturas, piezas mecánicas y edificios. Evalúa la geometría, no solo las vistas texturizadas.
Una imagen o varias vistas
Una imagen produce un GLB. La inferencia multivista utiliza pesos propios y necesita una carpeta de imágenes con transforms.json para las cámaras.
El encuadre debe coincidir con las cámaras: las vistas no se recortan ni redimensionan. La primera es la vista frontal canónica. El ejemplo supone cuatro vistas separadas 90°, elevación cero y campo de visión de 20°.
Generar y exportar GLB
Configura TRELLIS.2 y las dependencias de Pixal3D, incluidos NATTEN y el wheel utils3d indicado. La demo oficial en Hugging Face permite probar sin instalación local.
Los comandos muestran ambos modos. La resolución estándar es 1536; --low_vram carga modelos bajo demanda y usa 1024. --resolution cambia el valor. ATTN_BACKEND=sdpa permite trabajar sin FlashAttention.
python inference.py \
--image assets/images/0_img.png \
--output output.glb --low_vram
python inference_mv.py \
--views_dir assets/mv_images/example \
--output output_mv.glb --low_vramUsarlo en ComfyUI
ComfyUI integra Pixal3D y TRELLIS.2 en una plantilla común. Pixal3D es la opción predeterminada; el interruptor activa TRELLIS.2. La guía enlazada explica limpieza de malla, UV, horneado PBR y exportación.
La versión paper usa Direct3D-S2 para reproducir los experimentos publicados; la actual usa TRELLIS.2. Mantén separados sus entornos y pesos.
Qué flujo de Pixal3D elegir
| Flujo | Entrada o base | Uso |
|---|---|---|
| Monovista actual | Una imagen; TRELLIS.2 | Recurso detallado con texturas PBR |
| Multivista actual | Imágenes y cámaras; pesos propios | Combinar vistas conocidas del mismo objeto |
| Versión paper | Direct3D-S2 | Reproducir experimentos publicados |
| Plantilla ComfyUI | Flujo monovista por nodos | Procesar malla y hornear materiales |
Preguntas frecuentes
¿Puedo usar varias imágenes sin cámaras?
El modo local espera transforms.json. Reutiliza las cámaras del ejemplo solo si tus vistas coinciden con su órbita de cuatro cámaras; si no, aporta transformaciones y campos de visión correctos.
¿Qué cambia el modo de poca VRAM?
Carga modelos bajo demanda y reduce la resolución predeterminada de 1536 a 1024. Puedes usar --resolution, pero resoluciones mayores consumen más memoria.
¿El GLB está listo para un motor de juegos?
Revisa polígonos, UV, materiales y geometría antes de integrarlo. ComfyUI incluye simplificación y horneado de materiales.