SAM 3D

3D-Rekonstruktion aus einem einzigen Bild

Erzeugt detaillierte Meshes, Texturen und Positionsdaten aus einem RGB-Foto und ermöglicht die sofortige Erstellung hochqualitativer 3D-Modelle für Design, E‑Commerce und interaktive Szenen。

Interaktive Prompt-Auswahl

Erlaubt Benutzern, Objekte oder Personen anzuklicken, Segmentierungsmaske zu bestätigen und zu steuern, welches Element rekonstruiert wird, was den Arbeitsablauf vereinfacht und Fehler reduziert。

Echtzeit-Schnellinferenz

Verarbeitet Bilder in Sekunden ohne lokales GPU, bietet eine browserbasierte Erfahrung, die Einrichtung eliminiert und die Asset-Erstellung beschleunigt。

Szenenbewusste Rekonstruktion von Objekten

Handhabt überfüllte reale Umgebungen, schätzt Geometrie und Layout einzelner Objekte ab, nützlich für „Ansicht im Raum“-Anwendungen und Szenenbearbeitung。

Menschliche Digitalisierung mit Meta Momentum Human Rig (MHR)

Trennen Sie die Skelettstruktur von weichem Gewebe, um animierbare 3‑D-Menschenmodelle zu erzeugen, auch bei Verdeckung oder unkonventionellen Posen。

Export in Standard‑3D‑Formate

Stellt Meshes in .OBJ, .GLB und dem MHR‑Format bereit und ermöglicht einen nahtlosen Import in Blender, Unity, Unreal Engine und andere Pipelines。

Robuste Occlusion‑Handhabung

Schätzt plausibles hinteres Geometriemodell für teilweise verborgene Objekte ab und hält die Genauigkeit auch bei wenig Licht oder starker Verdeckung aufrecht。

• E‑Commerce‑Produktdesigner: Nutzen Sie SAM 3D, um aus Fotos realistische 3D‑Produktmodelle zu erstellen und virtuelle Einrichtungsansichten zu ermöglichen.
• Spieleentwickler: Setzen Sie SAM 3D Body ein, um aus Standbildern präzise posierte, animierbare Menschenfiguren für VR zu erzeugen.
• AR‑Bildungsplattformen: Integrieren Sie SAM 3D Objects, um komplexe realweltliche Objekte rekonstruiert abzubilden und interaktive Lernmodule zu füllen.
• Architektonische Renderer: Erzeugen Sie mit SAM 3D hoch‑treue 3D‑Netzwerke für Inneneinrichtungen aus einem einzigen Foto, um die Szene exakt zu visualisieren.
• Sportanalysen: Nutzen Sie SAM 3D Body, um Athleten‑pose aus Ereignis‑Fotos zu digitalisieren und die Leistung zu überprüfen.

Was ist der Unterschied zwischen SAM 3D und dem ursprünglichen SAM ?

Das ursprüngliche SAM (Segment Anything Model) ist ein allgemeines Bildsegmentierungsframework, das Pixelmasken für jedes abgefragte Objekt vorhersagt. SAM 3D erweitert diese Fähigkeit durch volumetrische Inferenz, sodass die Rekonstruktion von 3‑D-Geometrie, Textur und Pose aus einer einzigen 2‑D-Bild möglich ist. Während SAM ausschließlich 2‑D-Masken erzeugt, produziert SAM 3D voll rendbare Netze in Formaten wie .OBJ, .GLB und dem neuen Meta‑Momentum Human Rig (MHR)-Format für menschliche Körper. Dadurch wird ein nahtloser Übergang von einem Foto zu einem interaktiven 3‑D-Asset ermöglicht.

Kann SAM 3D Videoeingaben verarbeiten?

SAM 3D ist für Standbilder konzipiert; es verarbeitet keine mehrteiligen Videostreams von Haus aus. Man kann es jedoch Bild für Bild auf jeden Videoclip anwenden und eine Sequenz von 3‑D-Netzen rekonstruieren. Für Echtzeit‑Videopipelines integrieren Anwender das Modell typischerweise in einen eigenen Workflow, der einzelne Frames erfasst, das Modell pro Frame anruft und die resultierenden Netze mit externen Werkzeugen zur zeitlichen Konsistenz zusammenfügt.

Ist das Modell Open Source für kommerzielle Nutzung?

Ja. SAM 3D wird unter der Apache 2.0-Lizenz veröffentlicht, die kostenfreie Nutzung, Modifikation und Verbreitung in kommerziellen Produkten erlaubt. Alle vortrainierten Gewichte und der Inferenzcode sind öffentlich verfügbar, und es fallen keine Lizenzgebühren oder Aufsätze zur Attribution an, abgesehen von der üblichen Lizenzanerkennung. Nutzer können SAM 3D-Funktionen in proprietäre Pipelines einbinden oder die exportierten 3‑D-Assets in kommerzielle Spiele, AR/VR-Erlebnisse oder E‑Commerce-Plattformen integrieren.

Welcher Hardware ist für den Betrieb von SAM 3D erforderlich?

Das offizielle Referenzsystem für SAM 3D empfiehlt eine NVIDIA‑GPU mit mindestens 12 GB VRAM für vollständige Inferenz, obwohl die Inferenz auch auf der CPU für kleinere Bilder mit höherer Latenz ausgeführt werden kann. Anwender haben das Modell erfolgreich auf Consumer‑GPUs (RTX 3060/3070) mit ca. 7 GB VRAM für Bilder mittlerer Auflösung eingesetzt. Cloud‑Deployments (AWS, GCP, Azure) mit GPU‑Instanzen beschleunigen die Verarbeitung um mehrere Größenordnungen und ermöglichen Echtzeitbetrieb bei umfangreichen Datensätzen.

Was ist das MHR-Format, das im SAM 3D Body erwähnt wird?

MHR (Meta Momentum Human Rig) ist ein Open‑Source‑Mesh‑Format, das speziell für menschliche Körperrekonstruktionen entwickelt wurde. Es trennt die Skeletthierarchie von der Oberfläche des weichen Gewebes, was Rigging, Animation und Physik‑Simulation erleichtert. MHR‑Dateien enthalten Gelenkpositionsdaten, Inverse‑Kinematik‑Beschränkungen und eine Oberflächen­geometrie, die für den Import in Engines wie Unity, Unreal Engine oder Blender geeignet ist, wodurch Animationspipelines für 3‑D-Menschen vereinfacht werden.

Wo kann ich den SA‑3DAO-Datensatz herunterladen?

Der SA‑3DAO (SAM 3D Artist Objects)-Datensatz, der mehr als 1 Million echte Bilder mit verifizierten 3‑D-Netzen enthält, steht öffentlich unter einer Open‑Source‑Lizenz zur Verfügung. Forscher können den Datensatz direkt aus dem Hugging Face‑Repository des Projekts oder aus der offiziellen GitHub‑Releases‑Seite herunterladen. Der Datensatz enthält Links zu Bildern und Netzen und ist formatiert, um das Training neuer Modelle oder die Fein‑Tuning der bestehenden SAM 3D‑Gewichte zu erleichtern.

Wie geht SAM 3D mit Oklusionen beim Rekonstruieren von Objekten um?

SAM 3D nutzt fortschrittliche Inferenzlogik, die plausibel gestaltete Rückseite für teilweise verdeckte Objekte erzeugt. Durch die Nutzung erlernter Prioritäten aus Millionen annotierter Beispiele halluziniert das Modell fehlende Netzabschnitte, während die semantische Konsistenz erhalten bleibt. Dieser Ansatz ermöglicht präzise Rekonstruktionen, selbst wenn kritische Teile eines Objekts verdeckt sind, und führt zu kompletten 3‑D-Netzen, die für Rendering oder Weiterverarbeitung geeignet sind.

Welche 3‑D-Ausgabeformate unterstützt SAM 3D?

Nach der Rekonstruktion kann SAM 3D Assets in mehreren branchenüblichen Formaten exportieren: .OBJ für statische Geometrie, .GLB/.GLTF für effizientes Echtzeit-Rendering, .FBX für breitere 3‑D-Pipelines und das MHR‑Format für menschliche Körper. Diese Optionen erlauben eine sofortige Integration in beliebte 3‑D-Programme wie Blender, Unity oder Unreal Engine sowie in webbasierte Viewer‑Frameworks.

Was ist die typische Inferenzgeschwindigkeit von SAM 3D auf einer modernen GPU?

Auf einer einzelnen RTX 3090 verarbeitet SAM 3D ein 512×512 RGB-Bild in etwa 1–2 Sekunden, erzeugt ein hochpräzises Netz. Die Inferenzzeit skaliert linear mit der Auflösung; ein Bild von 1k×1k erfordert ca. 4–5 Sekunden. CPU‑Inferenz ist möglich, aber langsamer und benötigt 15–20 Sekunden pro Bild auf einem 8‑Kern‑Intel‑i9-Prozessor. Batch‑Verarbeitung und GPU‑basierte Pipelines können die Latenz in hochdurchsatzreichen Szenarien reduzieren.

Wie genau ist die Schätzung der menschlichen Pose in SAM 3D Body?

SAM 3D Body erreicht eine Stand‑der‑Kunst‑Accuracy und übertrifft bestehende Verfahren bei anspruchsvollen Posen und Occlusion‑Szenarien. Benchmarks auf Standard‑Pose‑Datensätzen (z. B. Human3.6M, MPII) zeigen ein durchschnittliches Gelenkfehler von weniger als 3 cm und ein überlegendes Fit gegenüber Ground‑Truth‑Netzen. Die Trennung von Skelettstruktur und weichem Gewebe im MHR‑Format verbessert die Interpretierbarkeit und die Animationsqualität weiter.

Kann SAM 3D in Blender für automatisierte Asset-Erstellung integriert werden?

Ja. SAM 3D-Assets lassen sich über die .OBJ‑ oder .GLTF‑Exporter in Blender importieren. Add‑Ons bzw. Skripte von Blender können den Import, die Materialzuweisung und die Szenenplatzierung automatisieren. Nutzer können die Geometrie weiter mit Blender‑Sculpturwerkzeugen verfeinern oder die menschlichen Meshes mit dem eingebauten Skelett aus der MHR‑Datei riggen. Auch eine Python‑Integration ist möglich, wodurch End‑zu‑End‑Pipelines entstehen, die SAM 3D‑Inference ausführen und sofort Blender für die Nachbearbeitung öffnen.

• SAM 3D ist ein webbasiertes Tool, das hochpräzise 3D‑Modelle aus einem einzigen RGB‑Bild erzeugt und beliebige Objekte sowie menschliche Körper mithilfe der Open‑Source‑Modelle von Meta SAM 3D unterstützt.
• Gehen Sie zum SAM 3D Playground oder klonen Sie das Repository von SAM 3D GitHub, um eine interaktive Sitzung zu starten.
• Laden Sie ein beliebiges Standard‑RGB‑Bild im Browser hoch; ein Screenshot-Platzhalter zeigt den Upload‑Button in der oberen Ecke.
• Klicken Sie auf die Region von Interesse; SAM 3D erstellt automatisch eine Segmentierungsmaske, um das gewählte Objekt oder die Person zu bestätigen.
• Drücken Sie „Generate 3D Mesh“; das Modell ermittelt Geometrie, Textur und Pose und liefert innerhalb weniger Sekunden ein hochwertiges Netz, sichtbar im Vorschaufenster.
• Untersuchen Sie das gerenderte Netz, um die Behandlung von Überdeckungen und die Formgenauigkeit zu prüfen; Nahansichten zeigen die Konsistenz bei unterschiedlichen Beleuchtungen und Winkeln.
• Exportieren Sie das Asset in Standardformaten (.OBJ, .GLB oder MHR); der Download-Link erscheint unter der Vorschau und kann in Blender, Unity oder Unreal verwendet werden.
• Für die programmgesteuerte Nutzung laden Sie das SAM 3D Body‑oder Objects‑Modell aus dem SAM3D GitHub‑Repository und rufen die „predict“-API mit dem Bildtensor und der Maske auf.