如何仅从一张图片中生成可用的 3D 资产？这个问题正成为 3D 生成、机器人感知和空间计算的基础能力。
过去单图 3D 重建更多地还是停留在"能生成一个物体"，SAM3D的出现则把问题推进到更复杂的开放场景：
给定一张图像和目标 mask，不仅能重建任意物体，还能恢复纹理和空间布局。
然而走向真实应用时，推理效率很快成了新瓶颈。高质量 3D 重建时间过长，难以支撑复杂场景，所以能不能更快、更稳定、更便宜地重建？
为应对这一挑战，来自中国科学院计算技术研究所、ETH Zurich 等机构的研究者提出了Fast-SAM3D。
该方法直接面向 SAM3D 的推理链路做训练无关加速，在最大程度保持重建质量的同时，将单对象生成提速最高2.67 倍，场景生成提速最高2.01 倍。
以下是更多详细内容。
SAM3D 如何被加速？
SAM3D 采用"粗到精"的两阶段流程：先预测物体的粗结构和空间布局，再进一步细化几何、纹理，最后通过解码器输出显式 3D 结果。
作者对其推理过程做了系统 profiling 后发现，耗时主要集中在三个环节：Sparse Structure 生成器、Sparse Latent 生成器，以及Mesh 解码器。
△迭代式生成器和 Mesh 解码器是主要计算瓶颈
△各模块上均实现大幅度推理加速
但SAM3D 的"慢"并不是均匀发生的。
形状 token 的变化往往比较平滑，可以被更简单地预测；布局 token 控制姿态、旋转和尺度，小误差就可能造成整体漂移；纹理和细节更新也不是处处发生，真正需要反复计算的通常是边缘、接缝、薄结构等高熵区域。此外，杯子和龙雕这类物体在几何复杂度上差异巨大，也不应使用同样密度的解码预算。
这就解释了为什么简单的通用加速策略在 SAM3D 上容易失效。统一跳步可能带来位姿漂移，随机 token 剪枝可能导致结构坍塌，统一下采样又会抹掉复杂物体的细节。
Fast-SAM3D 的核心思路因此很明确：不是粗暴少算，而是把计算花在真正需要的地方。
计算资源与模块复杂度相匹配
Fast-SAM3D 的框架由三个模块组成，分别对应结构生成、细节生成和网格解码三个关键阶段。
△Fast-SAM3D 三部分组成
首先是Modality-Aware Step Caching。
在结构生成阶段，Fast-SAM3D 将形状 token 和布局 token 区分处理：对演化平滑的形状 token 进行预测和复用，对更敏感的布局 token 则用锚点约束来抑制抖动。
这样既减少了主干网络调用，又避免了物体姿态在加速过程中"跑偏"。
其次是Joint Spatiotemporal Token Carving。
在细节生成阶段，Fast-SAM3D 不再让所有 token 平均参与计算，而是根据时间变化、突变程度和空间频率找出最值得更新的区域。
平滑表面可以少算，边缘、尖角、纹理突变等区域则获得更多计算资源。
第三是Spectral-Aware Token Aggregation。
在 Mesh 解码阶段，方法通过 2D mask 和 3D 粗结构的频谱信息估计物体复杂度：简单物体更激进地聚合 token，复杂物体则保留更多高频细节。
这使得系统可以针对不同物体自适应分配解码预算。
速度提升，质量基本不掉
在 SAM3D 基准上，Fast-SAM3D 将场景级生成时间从 462.3 秒降至 229.7 秒，实现2.01 ×加速；单对象生成达到2.67 ×加速。
与此同时，几何质量并未明显下降，F1@0.05 从 92.34 提升到 92.59，vIoU 也从 0.543 提升到 0.552。
定性结果同样说明了这一点。
随机剪枝容易造成结构坍塌，通用缓存方法可能出现语义或布局漂移，而Fast-SAM3D 的结果与原始 SAM3D 更接近。
这说明 3D 重建中的加速不能照搬 2D 扩散模型经验，而需要理解 3D 数据自身的结构、位姿和频谱差异。
总的来说，Fast-SAM3D 的价值不只在于刷新速度指标：
内容生产：更快的单图 3D 重建意味着设计师可以更频繁地试错，把图片素材快速变成可编辑资产；
电商和展示业务：商品图转 3D 的成本下降后，批量 3D 化才有可能成为常规流程；
机器人和具身智能：系统若能更快从现场图像中恢复可操作物体，将直接影响在线感知与规划效率；
AR/VR 应用：低延迟重建则决定了交互体验是否自然。
更实际的一点是，Fast-SAM3D 是训练无关框架，不需要重新收集数据或重训基础模型，因而更容易接入已有 SAM3D 流程。
它给出的启发也很清晰：当 3D 生成能力逐渐从"能做"走向"可用"，系统级效率优化会变得和模型能力本身一样重要。
下一阶段，单图 3D 重建的竞争点将不只是生成效果，而是能否在真实业务中稳定、快速、低成本地运行。
Fast-SAM3D 正是在这个方向上迈出的一步。
本文共同第一作者为中国科学院计算所博士生冯伟伦、硕士生伍明强。通讯作者为中国科学院计算所杨传广和安竹林副研究员。核心成员来自计算所智能算法安全全国重点实验室智能优化课题组，隶属于徐勇军研究员团队，课题组长期从事高效人工智能的研究，重点关注视觉、多模态等领域的理解与生成高效性方面的研究。
论文链接：https://arxiv.org/abs/2602.05293
代码链接：https://github.com/wlfeng0509/Fast-SAM3D
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 � �
感兴趣的小伙伴欢迎关注 � � 了解详情
� � 点亮星标 � �
科技前沿进展每日见
华夏配资网提示：文章来自网络，不代表本站观点。
