AI生成3D一手实测：卖家秀vs买家秀，差一个宇宙 原创

伴随着AI的爆火，用AI生成三维内容（3D AIGC）作为AI的新玩法之一，从今年开始明显受到越来越多的关注。

正是在这样的背景下，​​LGM​​（即 Large Gaussian Model，大型多视角高斯模型）由北京大学、南洋理工大学 S-Lab 和上海人工智能实验室的研究者联合提出，旨在依靠一张二维图片，就可5秒生成同款3D物体。

官方给出的卖家秀

​​LGM​​现已上线appmall.ai，今天我们就对这款刚刚出品不久的3D AIGC应用进行实测，看看在实际使用中它能为我们带来哪些好玩的体验。

在哪体验LGM？

现在访问​​appmall.ai​​，即可通过首页或搜索功能安装LGM，低至2.3元/小时，按分钟计费，无需安装部署，即可一键在线体验。

如何使用LGM？

​​LGM​​的操作面板非常简单，左侧功能区可以上传参考图片、输入prompt、调节参数，右侧则直接展示AI基于参考图，建构出来的3D物品。

（1）是否要输入prompt？

经过实测，prompt是否输入并不太影响生成结果。如果输入prompt，那么根据官方给出的实例，也是只需要简单化的内容即可，比如furry fox head，mushroom house这种。

同时，negative prompt可以理解为保证结果水准的外框和标尺，目前默认的设置就是去掉难看、不清晰、像素模糊、不自然色彩、糟糕光线等效果，这项参数保持默认就可以。

（2）下方三项调节参数，要调吗？

 elevation（-90 到 90）：表示仰角，用于确定观察或生成三维物体的视角垂直方向角度。-90 度代表垂直向下看（俯视），0 度表示水平方向观察（默认值），90 度则是垂直向上看（仰视）。通过设置不同的仰角，可以从不同的垂直角度来生成或查看三维模型，从而满足不同的视觉需求，比如模拟从地面仰望物体或从高空俯瞰物体等场景。

 inference steps（1 到 100）：推理步骤数，在生成三维物体的过程中，模型需要进行一系列的计算和推理操作来逐步构建出最终的结果。推理步骤数就是控制这个过程的迭代次数。一般来说，步骤数越多，模型有更多的机会对生成的结果进行细化和优化，可能会得到更精确、质量更高的三维物体，但同时也会增加计算时间和资源消耗。如果步骤数太少，可能生成的结果不够理想，存在细节缺失或不准确的情况。

 random seed（0 到 100000）：随机种子，它是一个用于初始化随机数生成器的值。通过设置固定的随机种子，可以确保在相同的模型参数和输入条件下，每次生成的结果具有一致性和可重复性。如果不设置随机种子或者使用不同的随机种子，那么每次运行模型时，由于随机因素的影响，生成的三维物体可能会有所不同。这样可以方便用户在需要时获取特定的生成结果，也有助于对模型的性能进行评估和比较。

（3）易用性如何？AI小白可以用吗？

界面简单，保持默认参数也能玩，另外在生成时间方面，“5秒出结果”诚不我欺，LGM实测的产出时间确实比其他AI应用都要短。

所以，至少从便捷性、降低AI使用门槛的角度来说，LGM是完全可以达标“易用性”“新手友好”等评价的。

（4）需要上传什么样的参考图？

从实测来看，纯平面图（如二维插画）、主体较多、主体元素较多、图片非高清等情况下，基本上很难达到预期的效果。

纯平面生成

多主体生成

复杂主体生成

（5）生成效果怎么样？

从实测来看，生成效果“买家秀”与官方“卖家秀”的差距还是较大的。可能受制于默认30 steps的限制，​​LGM​​的出品并不稳定。

比如在面对毛绒玩具这种其训练过程中高频接触的物品种类时（官方给出的“卖家秀”里有对玩具熊的训练结果），它的表现就还可以。

但是如果换其他材质，在一些清晰化元素（比如五官）的处理上，存在变形。

毕竟LGM发布时间并不长，存在短板是非常正常的事情。我们既不应该盲目追捧某种新生技术，也没有必要将初代水平等同于后续水平而一棒子打死，反而应该客观看待“卖家秀”和“买家秀”的差距、承认可优化空间，这样才能更好地推动AI应用行业的健康长远发展。

当然，​​LGM​​完全支持通过调节参数，如增加生成迭代步骤、上传高清参考图等方式，来优化生成结果。这一步就留给广大的AI爱好者去自行发掘吧。

每项3D内容生成之后，LGM也支持将3D内容通过视频的格式进行下载，方便用户后期处理或使用，是不是也不失为一个有趣的AI小工具呢？还在等什么，快来appmall.ai一键体验吧。