TRELLIS.2 与 Pixal3D 图像转 3D 生成现已原生内置到 ComfyUI
ComfyUI Wikinews
ComfyUI 核心现已原生支持 TRELLIS.2 与 Pixal3D 图像转 3D 生成：包含形状与纹理阶段、MoGe 深度估计和网格后处理节点，并提供 Comfy-Org 官方权重。
TRELLIS.2（Hugging Face | GitHub | 项目主页）与 Pixal3D（Hugging Face | GitHub）图像转 3D 生成功能现已直接内置到 ComfyUI 核心：集成 PR（Comfy-Org/ComfyUI #14718）已于 2026 年 8 月 22 日合并，因此无需安装自定义节点包。
概述
TRELLIS.2 是微软推出的 40 亿参数图像转 3D 模型。它使用基于 O-Voxel（全向体素）的稀疏体素表示，结合流匹配 Transformer 生成高保真 3D 资产，支持复杂拓扑、锐利特征以及包含透明度的完整 PBR 材质。该模型于 2025 年 12 月发布（参见我们此前的报道），转换过程中无需渲染或优化迭代。
Pixal3D 是腾讯 ARC 实验室与清华大学联合推出的 SIGGRAPH 2026 模型，基于 TRELLIS.2 骨干网络构建。它利用反投影生成的像素对齐特征，建立像素与 3D 之间的直接对应关系，能够从单张图像达到接近重建级别的高保真度，生成精细几何与 PBR 纹理。
TRELLIS.2 纹理阶段示例（来源：microsoft/TRELLIS.2）
Pixal3D 单图像重建结果（来源：Pixal3D 项目主页）
ComfyUI 原生支持
该集成 PR 添加了这两个模型的无依赖实现，以及完整的网格后处理链路，全部使用 PyTorch/scipy 重新实现，无需额外依赖：
- TRELLIS.2 节点：
Trellis2ShapeStage、Trellis2TextureStage、Trellis2UpsampleStage、Trellis2Conditioning、EmptyTrellis2LatentStructure，以及专用的形状/纹理 VAE 解码器（VaeDecodeShapeTrellis、VaeDecodeTextureTrellis） - Pixal3D 节点：
Pixal3DConditioning，与 TRELLIS.2 共享阶段节点；两个模型共用相同的 VAE 和 DINOv3 图像编码器 - MoGe 度量深度节点：
LoadMoGeModel、MoGeInference、MoGePanoramaInference、MoGePointMapToMesh、MoGeGeometryToFOV、MoGeRender，用于相机/视场估计与几何条件 - 网格后处理：
RemeshMesh（DC 重网格化）、DecimateMesh（QEM 减面）、UnwrapMesh（UV 展开）、ApplyTextureToMesh、BakeTextureFromVoxel、BakeAmbientOcclusion、BakeNormalMapFromMesh、FillHoles、WeldVertices、MeshSmoothNormals - 3D 导出：
SaveGLB、Save3DAdvanced、SaveGaussianSplat、SavePointCloud、MeshToFile3D，以及MergeMeshes和RotateMesh实用工具
ComfyUI 中的 Pixal3D 测试工作流（来源：Comfy-Org/ComfyUI PR #14718）
工作流
官方示例工作流托管在 Comfy-Org/Pixal3D 仓库中，可运行从单张输入图像到形状生成、纹理烘焙和网格导出的完整流程：
模型下载
Comfy-Org 重新打包的权重提供 bf16 和 INT8 ConvRot 精度的开箱即用模型：
📂 ComfyUI/models/
├── 📂 diffusion_models/
│ ├── trellis_2_bf16.safetensors # or trellis_2_int8_convrot.safetensors
│ └── pixal3d_bf16.safetensors # or pixal3d_int8_convrot.safetensors
├── 📂 clip_vision/
│ └── dino_v3_vit_l.safetensors # Pixal3D uses dino_v3_L_naf_fp32.safetensors
└── 📂 vae/
├── trellis_2_shape_vae_bf16.safetensors
└── trellis_2_texture_vae_bf16.safetensors
评论
使用 GitHub 登录后即可参与讨论。