如何把一段视频变成三维模型（高斯场景）

一段短视频就够了

把视频变成三维模型，不一定需要三维扫描仪或转台。用普通手机绕着一个静止的主体，稳稳地拍 15 到 60 秒，视频里就包含了几百个略有差别的视角。软件可以算出每一帧拍摄时相机在哪里，再重建出一个可以旋转、缩放和导出的三维场景。

得到的不是用于 3D 打印的网格模型，而是高斯场景（Gaussian splat）：由大量柔和的彩色小椭球组成，从你拍到的每个角度看都接近真实。它适合展示物体、房间和户外场景的真实外观，不适合测量或 CAD。

我们首页的几个示例，都是各用一段 13 到 20 秒的手机视频生成的。

拍摄要点

视频转三维模型的效果，最关键的是怎么拍。拍得好，比后期调任何参数都有用。

• 选择不会动的主体：桌上的物件、盆栽、雕塑、房间一角。
• 绕着主体慢慢走一圈。不要站在原地转动手机，软件需要你的位置发生变化。
• 让主体一直在画面里，距离大致保持一致。相邻画面有足够重叠，相机位置才能对得上。
• 移动要慢，避免拖影；尽量用均匀的自然光或柔和的室内光。
• 条件允许的话，再从高一点或低一点的角度绕一圈，把顶部和侧面拍全。
• 避开镜子、玻璃、强反光表面、穿过画面的行人和大面积白墙，它们会干扰相机匹配。

处理过程分三步

视频变成三维模型分三个阶段，SplatLoom 全部在你自己的电脑上完成。

第一步，抽取画面。SplatLoom 不会用上每一帧，而是每秒最多取 6 帧，既有足够重叠，又不会塞进大量几乎相同的画面。模糊和重复的画面会被标记出来。

第二步，用开源的 COLMAP 引擎做运动恢复结构（SfM），算出每一帧的相机位置，得到稀疏点云和手机移动的轨迹。如果能连起来的画面太少，SplatLoom 会提前停止，提示你补拍有重叠的角度，而不是花时间算出一个很差的结果。

第三步，用开源的 Brush 引擎在显卡上训练高斯场景。从稀疏点出发，它反复从每个相机位置渲染场景，与真实画面比较，并调整大量小高斯，直到各个角度都对得上。我们实测时只用隔一帧的画面训练，在保持效果的同时节省时间。

需要多长时间？

处理时间取决于视频长度、分辨率和电脑性能。我们在 Apple M5 Pro MacBook 上实测，13 到 20 秒的手机视频从导入到生成完成大约需要 9 到 14 分钟，大部分时间花在训练上。

更长的视频或更多照片会需要更久。因为全部在本地运行，不用上传，也不用排队，处理时你可以继续做别的事。以上是单台电脑上的测量结果，不代表所有设备。

检查和清理

处理完成后，场景会从你拍摄时的角度打开。转一圈看看边缘：没拍到的地方会是空的或比较模糊，天空和远处背景也可能偏软，这是所有视频三维模型的正常现象。

需要整理时，可以用盒形或球形裁切只保留主体，用矩形框选删掉多余的区域，或一键去除细小毛刺。每一步都可以撤销，原始结果始终保留。

导出三维模型

SplatLoom 支持四种导出格式，方便用在不同地方：

• PLY：标准高斯场景文件，可在其他高斯工具和查看器中打开。
• MP4：12 秒 1080p 环绕视频，可以直接发布。
• PNG：你选定角度的一张静态图片。
• HTML：自带交互查看器的独立网页，离线也能打开。

任何 PLY 文件也可以用我们的免费在线查看器打开，全程只在你的浏览器里运行。

常见问题和解决方法

如果相机位置算不出来，通常是视频重叠不足或拖影太多。放慢速度重拍，绕着主体走，而不是原地转动。

如果某些区域看起来糊成一片，多半是那个地方拍到的角度太少。换个高度再补拍一圈。

如果空中有漂浮的团块或毛刺，先把场景裁切到主体范围，大部分就会消失，也不会影响细节。

如果反光或透明的部分不对，这是目前技术本身的限制。哑光物体的效果会好得多。

用 SplatLoom 把视频变成三维模型

SplatLoom 是一款 Mac（Apple Silicon，macOS 15 及以上）和 Windows 10/11 桌面软件，可以在你自己的电脑上把一段视频或一组照片变成高斯场景。选择视频，点击生成，然后查看、整理和导出。不需要账号，不上传素材，也没有订阅：一次买断 19.90 美元，同时包含 Mac 和 Windows 版本。