One-2-3-45
One-2-3-45 是一款革命性的开源 AI 工具，专注于将单张二维图片快速转化为高质量的三维网格模型。它主要解决了传统 3D 生成方法依赖耗时的“逐形状优化”过程、导致生成速度慢且难以实用的痛点。借助该工具，用户无需漫长的等待，仅需约 45 秒即可完成从图片到 3D 模型的构建。
这项技术的核心亮点在于其提出的“仅前向推理”（forward-only）新范式。它巧妙地复用现有的 2D 扩散模型能力，摒弃了繁琐的迭代优化步骤，从而在保持生成质量的同时实现了速度的飞跃。作为 NeurIPS 2023 的接收论文成果，One-2-3-45 代表了 3D 内容生成领域的重要进展。
该工具非常适合多类人群使用：游戏开发者与影视设计师可利用它快速原型化资产；研究人员能基于其开源代码探索 3D AIGC 的新方向；而普通创作者也能通过其在线演示版，轻松将创意草图变为立体的数字模型。目前项目已开放完整的训练与推理代码，并提供了便捷的 Docker 部署方案，降低了技术门槛，让高效的 3D 创作触手可及。
使用场景
一位独立游戏开发者急需为即将上线的移动端 RPG 项目批量制作风格统一的低多边形（Low-Poly）道具资产，但团队中缺乏专业的 3D 建模师。
没有 One-2-3-45 时
- 耗时漫长：传统从单图生成 3D 的方法（如 DreamFusion）需要对每个形状进行数小时的逐例优化，无法应对紧急的项目排期。
- 成本高昂：若外包给人工建模师，单个简单道具的制作费用高且沟通修改周期长，严重挤压独立开发的预算。
- 技术门槛高：手动建模需要熟练掌握 Blender 或 Maya 等复杂软件，程序出身的开发者难以快速上手填补美术缺口。
- 迭代困难：一旦概念图调整，重新生成或修改 3D 模型的时间成本极高，导致策划方案不敢轻易变动。
使用 One-2-3-45 后
- 极速生成：利用其独有的“仅前向”范式，只需上传一张概念草图，45 秒内即可直接获得完整的 3D 网格模型，无需漫长的优化等待。
- 零成本量产：开发者可本地部署或调用 API，免费批量将数百张道具设计图转化为可用资产，大幅降低美术制作成本。
- 流程自动化：无需任何 3D 建模知识，通过简单的脚本即可将图像生成环节嵌入现有的资源管线，实现“画图即得模型”。
- 敏捷迭代：美术风格或设计细节调整后，能在分钟内重新生成新模型，让团队能大胆尝试多种设计方案而不必担心时间损耗。
One-2-3-45 通过将单图转 3D 的时间从小时级压缩至秒级，彻底打破了 AIGC 在 3D 资产生产中的效率瓶颈，让小型团队也能拥有电影级的内容生产能力。
运行环境要求
- Linux
必需 NVIDIA GPU，显存 >=18GB (例如 RTX 3090 或 A10)，推荐 CUDA 11.8
未说明
快速开始
One-2-3-45 重新思考了如何利用 2D 扩散模型进行 3D AIGC，并提出了一种新颖的单向范式，避免了耗时的优化过程。
https://github.com/One-2-3-45/One-2-3-45/assets/16759292/a81d6e32-8d29-43a5-b044-b5112b9f9664
https://github.com/One-2-3-45/One-2-3-45/assets/16759292/5ecd45ef-8fd3-4643-af4c-fac3050a0428
新闻
[2023年11月14日] 请查看我们的新作 [One-2-3-45++]（https://sudo-ai-3d.github.io/One2345plus_page/）！
[2023年10月25日] 我们发布了用于评估的 渲染脚本 和用于轻松推理的 API。
[2023年9月21日] One-2-3-45 被 NeurIPS 2023 接收。新奥尔良见！
[2023年9月11日] 训练代码已发布。
[2023年8月18日] 推理代码已发布。
[2023年7月24日] 我们的演示在 HuggingFace 热门榜上进入前四，并被选为本周 🤗 Spaces 🔥！特别感谢 HuggingFace 🤗 对本次演示的支持！！
[2023年7月11日] 在线交互式演示 已发布！只需 45 秒即可探索并创建属于你的 3D 模型！
安装
硬件要求：配备 ≥18GB 显存的 NVIDIA GPU（例如 RTX 3090 或 A10）。已在 Ubuntu 上测试通过。
我们提供两种环境搭建方式：
传统安装
步骤 1：安装 Debian 包。
sudo apt update && sudo apt install git-lfs libsparsehash-dev build-essential
步骤 2：创建并激活 Conda 环境。
conda create -n One2345 python=3.10
conda activate One2345
步骤 3：将仓库克隆到本地机器。
# 确保已安装 git-lfs。
git lfs install
git clone https://github.com/One-2-3-45/One-2-3-45
cd One-2-3-45
步骤 4：使用 pip 安装项目依赖项。
# 确保安装的 CUDA 版本与 PyTorch 的 CUDA 版本一致。
# 示例：安装 CUDA 11.8
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
export PATH="/usr/local/cuda-11.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH"
# 安装 PyTorch 2.0.1
pip install --no-cache-dir torch==2.0.1 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# 安装依赖项
pip install -r requirements.txt
# 安装 inplace_abn 和 torchsparse
export TORCH_CUDA_ARCH_LIST="7.0;7.2;8.0;8.6+PTX" # CUDA 架构。根据你的硬件调整。
export IABN_FORCE_CUDA=1
pip install inplace_abn
FORCE_CUDA=1 pip install --no-cache-dir git+https://github.com/mit-han-lab/torchsparse.git@v1.4.0
步骤 5：下载模型检查点。
python download_ckpt.py
使用 Docker 镜像安装
选项 1：拉取即用（环境和检查点）。（约 22.3G）
# 拉取包含完整仓库的 Docker 镜像。
docker pull chaoxu98/one2345:demo_1.0
# 运行容器后会自动启动交互式演示。
# 将提供一个类似 XXXXXXX.gradio.live 的公共 URL。
docker run --name One-2-3-45_demo --gpus all -it chaoxu98/one2345:demo_1.0
选项 2：仅环境。（约 7.3G）
# 拉取已安装所有项目依赖项的 Docker 镜像。
docker pull chaoxu98/one2345:1.0
# 启动名为 One2345 的 Docker 容器。
docker run --name One-2-3-45 --gpus all -it chaoxu98/one2345:1.0
# 进入容器中的 bash shell。
docker exec -it One-2-3-45 /bin/bash
# 将仓库克隆到本地。
git clone https://github.com/One-2-3-45/One-2-3-45
cd One-2-3-45
# 下载模型检查点。
python download_ckpt.py
# 参阅入门部分以进行推理。
入门（推理）
首次运行时，编译模型需要较长时间。
预计每张图像所需时间：在 NVIDIA A6000 上约为 40 秒。
# 1. 脚本
python run.py --img_path 输入图像路径 --half_precision
# 2. 交互式演示（Gradio），界面友好
# 输出中会提供一个 URL
# （本地：127.0.0.1:7860；公开：XXXXXXX.gradio.live）
cd demo/
python app.py
# 3. Jupyter Notebook
example.ipynb
APIs
我们为整个流程及其组件提供了便捷的 Gradio API，使准确预处理野外或文本生成的图像并从中重建 3D 网格变得轻而易举。
首先，使用 API URL 初始化 Gradio 客户端。
from gradio_client import Client
client = Client("https://one-2-3-45-one-2-3-45.hf.space/")
# 示例输入图像
input_img_path = "https://huggingface.co/spaces/One-2-3-45/One-2-3-45/resolve/main/demo_examples/01_wild_hydrant.png"
单张图像转 3D 网格
generated_mesh_filepath = client.predict(
input_img_path,
True, # 图像预处理
api_name="/generate_mesh"
)
高度估计
如果输入图像的姿态（高度）未知，这个现成的算法就是你需要的一切！
elevation_angle_deg = client.predict(
input_img_path,
True, # 图像预处理
api_name="/estimate_elevation"
)
图像预处理：分割、缩放和居中
我们采用 Segment Anything 模型 (SAM) 来去除背景。
segmented_img_filepath = client.predict(
input_img_path,
api_name="/preprocess"
)
训练你自己的模型
数据准备
我们使用 Objaverse-LVIS 数据集进行训练，并利用 Blender 将选定的形状（具有 CC-BY 许可）渲染成 2D 图像。
下载训练图像。
从 这里下载所有 One2345.zip.part-* 文件（共 5 个），然后使用以下命令将它们合并成一个单独的 .zip 文件：
cat One2345.zip.part-* > One2345.zip
解压训练图像压缩包。
使用以下命令将压缩包解压到您指定的文件夹中（YOUR_BASE_FOLDER）：
unzip One2345.zip -d YOUR_BASE_FOLDER
下载元数据文件。
从 这里下载 One2345_training_pose.json 和 lvis_split_cc_by.json，并将它们放入与训练图像相同的文件夹中（YOUR_BASE_FOLDER）。
您的文件结构应如下所示：
# One2345 是您在先前步骤中使用的根目录
One2345
├── One2345_training_pose.json
├── lvis_split_cc_by.json
└── zero12345_narrow
├── 000-000
├── 000-001
├── 000-002
...
└── 000-159
训练
在配置文件 ./reconstruction/confs/one2345_lod_train.conf 中，将 trainpath、valpath 和 testpath 指定为数据准备步骤中使用的 YOUR_BASE_FOLDER，然后运行以下命令：
cd reconstruction
python exp_runner_generic_blender_train.py --mode train --conf confs/one2345_lod_train.conf
实验日志和检查点将保存在 ./reconstruction/exp/ 目录下。
相关工作
引用
如果您觉得我们的代码有所帮助，请引用我们的论文：
@article{liu2023one2345,
title={One-2-3-45：无需逐物体优化，仅需 45 秒即可将任意单张图像转换为 3D 网格},
author={Liu, Minghua and Xu, Chao and Jin, Haian and Chen, Linghao and Varma T, Mukund and Xu, Zexiang and Su, Hao},
journal={神经信息处理系统进展},
volume={36},
year={2024}
}
常见问题
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。
scikit-learn
scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。 对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。 其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最
keras
Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。 无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。 Keras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。