InstantMesh模型构建指南

一、介绍

InstantMesh 是一个由腾讯 ARC 实验室推出的创新项目，该项目旨在通过单张图像快速生成高质量的三维网格模型。

1. 项目背景与意义

随着 3D 内容在游戏、动画、虚拟现实等领域的广泛应用，传统的 3D 模型制作流程繁琐且耗时，需要专业人员投入大量时间和精力。InstantMesh 项目的出现，极大地简化了 3D 内容创作流程，提高了工作效率，降低了技术门槛，使得更多的人能够参与到 3D 内容的创作中来。

2. 核心技术

InstantMesh 采用了前馈框架，结合了多视图扩散模型和基于大规模重建模型（LRM）的稀疏视图重建技术。具体来说，它首先利用一个预训练的多视角扩散模型，从单张输入图像中生成多张 3D 一致的视角图像。然后，使用一个基于 LRM 架构的稀疏视角重建模型，从多视角图像中直接生成 3D 网格。此外，InstantMesh 还引入了可微分等值面提取模块 FlexiCubes，直接从 3D 隐式场中提取网格表面，并应用深度和法线等几何信息进行监督，进一步提升了网格模型的精度和光滑度。

3. 项目特点

快速生成 ：InstantMesh 能够在极短的时间内（约 10 秒）完成从图像到 3D 网格的转换，这在 3D 建模领域是一个巨大的时间节省。

高质量输出 ：尽管生成速度快，但 InstantMesh 生成的 3D 模型质量高，满足专业应用的需求。

易于使用 ：InstantMesh 提供了命令行工具，并支持多种功能，如视频保存、前景分割、导出带有顶点颜色的.obj 网格或带有纹理映射的模型等。此外，它还提供了在线 Demo 和 Jupyter Notebook，方便用户无需复杂安装即可立即尝试。

广泛应用 ：InstantMesh 适用于游戏开发、动画制作、建筑可视化、AR/VR 内容创作、教育和研究等多个领域。

4. 项目评估与性能

InstantMesh 在 Google Scanned Objects (GSO) 和 OmniObject3D (Omni3D) 两个公开数据集上进行了评估，结果显示，在 2D 视觉质量和 3D 几何质量方面均显著优于其他 SOTA 方法。具体来说，在 2D 新视角合成任务中，InstantMesh 在 SSIM 和 LPIPS 指标上显著优于其他方法；在 3D 几何质量评估中，InstantMesh 在 Chamfer Distance (CD)和 F-Score (FS)指标上也显著优于其他方法。

5. 项目影响与展望

InstantMesh 的出现，为 3D 建模和可视化领域带来了新的变革。它不仅提高了 3D 内容创作的效率和质量，还降低了技术门槛，使得更多的人能够参与到 3D 内容的创作中来。未来，随着技术的不断发展和完善，InstantMesh 有望在更多领域发挥重要作用，推动 3D 内容创作的快速发展。

6. 项目资源

• GitHub 地址 ：https://github.com/TencentARC/InstantMesh
• 论文地址 ：https://arxiv.org/abs/2404.07191

二、容器构建说明

由于模型较大建议使用两张RTX3090 +24G显卡（该项目支持在两个 GPU 上运行 gradio demo 以节省内存），或者使用单张高于RTX3090+24G性能的显卡。

1. 安装 miniconda

进入 Anaconda 官网：

Miniconda — Anaconda 文档

找到快速命令行安装，选择 Linux 系统，复制代码进入终端进行安装。

等待安装完成。

2. 安装并更新基础命令，让后续使用更快捷： unzip、lsof、git、git-lfs

apt-get update
apt-get install -y unzip
apt-get install -y lsof
apt-get install -y git
apt-get install -y git-lfs

3. 克隆项目仓库，并打开文件

git clone https://github.com/TencentARC/InstantMesh.git
cd InstantMesh

4. 创建 python 为 3.10 版本的虚拟环境，名称为instantmesh

conda create --name instantmesh python=3.10

5. 激活虚拟环境instantmesh

conda activate instantmesh

6. 通过 pip 安装所需的 torch 环境（国内镜像源快一些，以下使用了清华源）

pip install -U pip
conda install cuda -c nvidia/label/cuda-12.1.0
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple

7. 安装项目依赖文件及相应包

为了安装速度更快可以将 pip 进行永久换源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt
conda install Ninja
pip install xformers==0.0.22.post7
pip install triton

该项目最后运行时会出现下载不了模型的问题，是因为库太老了，提前升级一下库即可

pip install -U huggingface_hub

8. 更改代码，删减端口部分，否则该项目gradio界面显示不出

找到/InstantMesh/app.py最后几行代码，根据下图所示进行删减

删减为

9. 指定端口，运行 py 文件（运行项目，首次运行会自动下载模型参数，需要保证网络通畅，以下使用了国内镜像下载模型速度快些）

export HF_ENDPOINT=https://hf-mirror.com
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080
python app.py

耐心等待，若网络不畅通出现下载中断的情况，就重新运行继续下载。

出现以下界面即为运行成功

三、网页演示

运行成功后获取访问链接，即可进入 webUI 界面（还需下载模型）：

此时点击“生成”按钮，终端会自动下载模型，需要关闭代理连接至github继续下载，或者下载后上传

运行成功也就代表着webUI也相应出现运行结果