SAM 3D。让照片立体起来。

探索 Meta 的单图重建模型、物体生成方式,以及与 TRELLIS、Hunyuan3D 和其他图像转 3D 方法的公开比较结果。

本指南由 Segmentit 独立编写。SAM 3 和 SAM 3D 由 Meta 开发;Segmentit 与 Meta 无关联。

什么是 SAM 3D?

SAM 3D(也常以 SAM3D 搜索)是 Meta 根据图像重建 3D 的模型系列。SAM 3D Objects 估计物体几何、纹理和布局。SAM 3D Body 是用于人体形状与姿态的独立模型。Segmentit 的物体工作流程专注于 Objects。

Meta · SAM 3D ↗

SAM 3

图像 → 2D 蒙版

SAM 3D Objects

图像 + 蒙版 → 3D 物体

精确选区与立体重建解决不同需求。先选择正确的主体,再处理形状、纹理与场景构图。 探索 SAM 3.

SAM 3D Objects 还是 Body?

物体与场景

SAM 3D Objects

根据图像重建物体的几何、外观和位置。

人物与姿态

SAM 3D Body

估计人体形状和姿态。针对不同任务的独立模型。

先选择,再重建

SAM 3 → SAM 3D

在 2D 中识别主体,再用其蒙版引导物体重建。

选择你的创作流程

从游戏道具、场景装饰物,或想换个角度观察的产品开始。清晰的参考图像更便于评估生成的形状。

SAM 3D如何运作?

图像 + 蒙版

原始图像提供上下文,蒙版指定要重建的物体。

几何 + 姿态

第一生成阶段估计形状和位置。隐藏表面根据已学习的视觉规律进行推断。

纹理 + 细化

第二阶段细化外观与细节。研究流程支持网格和高斯表示。

研究模型架构。应用中提供的视频功能、表示形式和工具可能有所不同。 官方代码 ↗

SAM 3D 与早期图像转 3D 方法对比

SA-3DAO · 形状重建 · F1@0.01 · 越高越好

数据与指标
SA-3DAO · Table 2
模型F1@0.01 ↑vIoU ↑Chamfer ↓EMD ↓
TRELLIS0.14750.13920.09020.2131
Hunyuan3D-2.10.13990.12660.11260.2432
Hunyuan3D-2.00.15740.15040.08660.2049
Direct3D-S20.15130.14650.09620.2160
TripoSG0.15330.14450.08440.2057
Hi3DGen0.16290.15310.09370.2134
SAM 3D0.23440.23110.04000.1211

F1:阈值为 0.01 时的表面精确率与召回率。vIoU:体积重叠程度。Chamfer 和 EMD:几何距离(越低越好)。数值来自论文原始数据,并非成功率。

来源: SAM 3D Team et al. · Table 2 · arXiv v1 (2025) ↗

在此对比中,SAM 3D 的 F1@0.01 得分为 0.2344。这些是论文报告的 SA-3DAO 结果,并非当今商业产品排名,也不是 Segmentit 自行开展的基准测试。

解读结果

对 2025 年论文中评估版本的历史比较,复核于 2026 年 10 月 7 日。数据集、提示和指标决定了衡量内容。这些分数既不能预测生成时间,也不能保证每张照片在 Segmentit 中的质量。

从研究,到你的下一个创作。

将照片导入 Segmentit,提取物体并开始生成 3D。在工作室中检查结果,然后下载 GLB 用于下一个场景。选区与模型会一起保存在项目中。

关于SAM 3D的问题

SAM 3 还是 SAM 3D:我需要哪一个?

先用分割选择图像中的主体,再用重建创建立体形态。SAM 3 与 SAM 3D 是互补技术,处理的并非同一个任务。

什么是 SA-3DAO?

Meta 的基准数据集将真实世界图像与专业 3D 艺术家制作的形状配对。发布说明介绍了 100 组公开的图像/3D 配对,以及用于基准竞赛的 900 组保留配对。

应该如何使用重建后的物体?

将它作为创意素材:检查每一面,根据场景设置比例,并在 3D 工具中调整材质。单张图像提供实用的起点,而不可见的细节仍然来自推断。

来源与文档

已复核 · Segmentit 编辑团队

欢迎使用 Segmentit

让照片拥有新维度。

使用 Google 继续
或