「画像生成AIの次は3Dだ」と言われて久しいが、その言葉を最も説得力のある形で示したのが Microsoft Research の TRELLIS だ。1枚の画像、あるいは一文のテキストを渡すだけで、テクスチャ付きの高品質な3Dアセットが数十秒で生成される。しかも出力は単なるメッシュ1形式ではなく、3D Gaussian・メッシュ・Radiance Field という複数の形式を同時に取り出せる。ゲームの小道具、VR空間のオブジェクト、3Dプリント用のモデル——これまで3Dアーティストが何時間もかけて作っていたアセットを、AIが1クリックで下書きする時代が現実になった。

本記事では、GitHub スター 13.2k・MIT ライセンス・CVPR 2025 Spotlight 採択という実績を持つ TRELLIS を、公式リポジトリと論文（arXiv:2412.01506）を一次ソースに、仕組み・実際の使い方・競合との比較・導入手順まで踏み込んで解説する。当サイトでは3D生成領域を扱うのは本記事が初めてであり、画像生成に続く「生成AIの次の主戦場」を理解する入口として読んでほしい。生成モデルの全体像はLLMとは？仕組み・主要モデル比較・ローカル実行・量子化を一気にまとめる2026年版も合わせて参照すると位置づけが掴みやすい。

TRELLIS が画像・テキストから生成した3Dアセットと編集例
TRELLIS の生成例。左：画像から3Dアセット、右：テキストから3Dアセット、下：素材変更や局所編集などの柔軟な編集。出典：microsoft/TRELLIS 公式リポジトリ

30秒で分かる TRELLIS

まず結論から。TRELLIS が「何ができて・何を解決し・何を代替するのか」を先に押さえておこう。

TRELLIS の処理フロー：画像/テキストから SLAT を経て3形式にデコード
TRELLIS の全体像。入力から SLAT（構造化潜在）を経由し、3つの出力形式へデコードする

TRELLIS の3つの要点

  1. 入力は画像かテキスト、出力は”3形式の3Dアセット” — 1枚の画像や短い文章から、3D Gaussian・メッシュ・Radiance Field を同時に生成。GLB形式で書き出せば Blender / Unity / Unreal にそのまま読み込める
  2. 核心は SLAT（Structured LATents）という統一表現 — 疎な3D骨格に局所特徴を付与した1つの潜在表現から、複数形式へデコードできる。形式ごとにモデルを作り直さなくてよい
  3. 最大20億パラメータ・50万アセットで学習した”大規模3D生成モデル” — 既存手法を明確に上回る品質と、素材変更・局所編集といった柔軟な後編集を実現

TRELLIS が解決するのは「3Dアセット制作の初速の遅さ」だ。企画段階でラフな3Dが欲しいとき、従来はモデラーに依頼するか、自分で数時間かけてモデリングする必要があった。TRELLIS はその工程を「参考画像を1枚投げる」だけに圧縮する。代替対象は、TripoSR や DreamGaussian といった先行の画像→3D手法であり、それらが抱えていた「単一形式しか出ない」「テクスチャが粗い」「複雑形状で破綻する」という弱点を、統一表現 SLAT で乗り越えている点が最大の差分になる。

・開発元：Microsoft Research（公式リポジトリ microsoft/TRELLIS）
・ライセンス：MIT（大部分）／一部サブモジュールは個別ライセンス
・GitHub スター：約13.2k（フォーク約1.3k、2026年7月時点）
・論文：Structured 3D Latents for Scalable and Versatile 3D Generation（CVPR’25 Spotlight）
・動作要件：Linux＋16GB以上のVRAMを持つNVIDIA GPU

TRELLIS とは ― Microsoft の画像→3D生成モデル

TRELLIS は、Microsoft Research が2024年12月に公開した大規模3Dアセット生成モデルである。正式名称は論文タイトルにある通り「Structured 3D Latents for Scalable and Versatile 3D Generation」で、その頭文字ではなく、格子状の構造（trellis＝つる棚・格子）から名付けられている。テキストまたは画像のプロンプトを入力すると、多様な形式の高品質な3Dアセットを生成する、という一点に特化したモデルだ。

TRELLIS を数字で見る：13.2k スター・2B パラメータ・500K 学習アセット・4形式出力
TRELLIS の規模感。大規模モデルと大規模データセットが品質を支えている

公開当初から画像→3D（TRELLIS-image）モデルが提供され、その後 GitHub の更新履歴が示す通り段階的に機能が拡張されてきた。2024年12月18日にマルチ画像条件付け（複数枚の画像からの生成）と 3D Gaussian の書き出しに対応し、2024年12月26日に学習データセット TRELLIS-500K と前処理ツールキットを公開、2025年3月25日には学習コードとテキスト→3D（TRELLIS-text）モデル、そしてアセットのバリアント生成が追加された。単発のデモではなく、データセット・学習コード・複数モデルまで揃った「作り込まれた研究基盤」である点が、13.2k スターという支持につながっている。

提供されるモデルは用途と規模で複数に分かれている。画像入力向けの TRELLIS-image-large（12億パラメータ）を中心に、テキスト入力向けには TRELLIS-text-base（3.4億）・TRELLIS-text-large（11億）・TRELLIS-text-xlarge（20億）が用意され、必要な品質とGPUメモリに応じて選べる。いずれも Hugging Face の microsoft/ 配下で配布されており、コードから from_pretrained() で直接ロードできる。

提供モデルの選び方

どのモデルを使うべきかは「入力が画像かテキストか」と「使えるGPUメモリ」で決まる。参考画像がある場合は、原則として TRELLIS-image-large 一択でよい。画像は形状と見た目の情報を最も多く含むため、同じ被写体でもテキストより忠実な3Dが得られる。一方でテキストからの生成は、モデル規模がそのまま品質と語彙理解に効く。潤沢なVRAMがあるなら text-xlarge（20億）、16GB前後で回したいなら text-large（11億）や text-base（3.4億）に落とす、という判断になる。

見落とされがちだが、TRELLIS は 複数枚の画像を条件に与える「マルチ画像条件付け」 に対応している。1枚だけでは裏側や底面の情報が欠けるため、正面・側面・背面のように角度違いの画像を複数渡すと、遮蔽されていた面の推定精度が上がり、破綻の少ない3Dになる。ECサイトの商品写真のように複数アングルの素材が既にある場合は、この機能が効いてくる。

・参考画像1枚がある → TRELLIS-image-large（最も忠実）
・複数アングルの画像がある → image-large ＋ マルチ画像条件付け
・文章だけから作りたい・GPUに余裕あり → TRELLIS-text-xlarge（20億）
・文章から・16GB級で回したい → text-large または text-base

💡 なぜ Microsoft が3D生成をOSSで出すのか

TRELLIS は論文・コード・学習済みモデル・データセット・学習コードまでを MIT を中心としたライセンスで公開している。これは3D生成研究の共通基盤を握る狙いと同時に、Windows・ゲーム（Xbox）・複合現実（旧 HoloLens）といった Microsoft の3Dが関わる製品群にとって、外部エコシステムの成熟が自社の利益になるという構造がある。研究コミュニティにとっては、再現可能で商用利用しやすい高品質な土台が手に入るメリットが大きい。

学習に使われた TRELLIS-500K は、Objaverse(XL)・ABO・3D-FUTURE・HSSD・Toys4k といった既存の大規模3Dデータセットから、審美スコアでフィルタリングした約50万件のアセットで構成される。「大量かつ高品質なデータ」と「20億パラメータ級のモデル」という、画像生成AIが辿ったスケーリングの道を3Dで再現したのが TRELLIS だと理解すると分かりやすい。

Structured LATents（SLAT）の仕組み

TRELLIS の心臓部が Structured LATents（SLAT／構造化潜在表現） だ。ここが理解できると、なぜ TRELLIS だけが複数形式を同時に出力できるのかが腑に落ちる。

3D生成の難しさは「どんな中間表現でモデルを学習させるか」にある。メッシュは頂点数が可変で扱いづらく、NeRF（Radiance Field）は編集しにくく、ボクセルは解像度を上げるとメモリが爆発する。従来手法はこのどれか1つを選び、その形式に縛られていた。SLAT はこの問題を「疎な3D骨格＋各点の局所特徴ベクトル」という2階建ての構造で解く。

1つの SLAT から 3D Gaussian・メッシュ・Radiance Field・テクスチャを取り出す
1つの SLAT から用途に応じた複数形式をデコードできる。ここが TRELLIS の"多様性"の源泉

具体的には、まず物体が存在する空間だけを疎なボクセル（アクティブな格子点の集合）で表す。これが「形のおおまかな骨格」に相当する。次にその各アクティブ点へ、局所的な見た目と形状の情報を圧縮した特徴ベクトルを紐づける。この「構造（どこに物があるか）＋潜在（そこはどんな見た目か）」の組が SLAT である。空間の大部分を占める”何もない領域”を疎な表現で捨てられるため、高解像度でもメモリ効率が良く、かつ各点が局所特徴を持つため細部のディテールを表現できる。

生成は2段階のフローで進む。TRELLIS は SLAT 向けに設計された Rectified Flow Transformer をバックボーンに使い、次の順で潜在を組み立てる。

graph TD A["入力：画像 または テキスト"] --> B["条件エンコード
（画像は DINOv2 特徴 / テキストは埋め込み）"] B --> C["Stage 1：Sparse Structure Flow
物体の疎な3D骨格を生成"] C --> D["Stage 2：Structured Latent Flow
各点に局所特徴を付与 → SLAT 完成"] D --> E["Gaussian デコーダ"] D --> F["Mesh デコーダ"] D --> G["Radiance Field デコーダ"] E --> H["3D Gaussian（.ply）"] F --> I["メッシュ → GLB 書き出し"] G --> J["Radiance Field（NeRF系）"]

第1段階（Sparse Structure Flow）で「どこに物があるか」の骨格を生成し、第2段階（Structured Latent Flow）で「そこはどんな見た目か」の特徴を埋める。完成した SLAT は、3種類のデコーダによって 3D Gaussian・メッシュ・Radiance Field へと展開される。1つの潜在表現から複数形式へ分岐できるからこそ、「リアルタイム描画に強い Gaussian が欲しい」「ゲームエンジンに入れるメッシュが欲しい」といった用途の違いに、モデルを作り直さず1回の生成で応えられる。

論文はこの設計により「既存手法を、同規模の最新手法を含めて明確に上回る」と主張している。統一表現によって形式間の一貫性が保たれ、後述する素材変更・局所編集のような柔軟な後処理も同じ枠組みで扱える点が、SLAT の実用上の強みだ。

なぜ従来の3D表現ではダメだったのか

SLAT の意義は、それまでの3D表現が抱えていた制約と対比すると鮮明になる。密なボクセルは空間を格子で埋めるため直感的だが、解像度を2倍にするとメモリは8倍に膨らみ、細部を出そうとすると破綻する。メッシュは頂点と面の数が可変で、ニューラルネットが直接生成するには構造が不定すぎる。NeRF（Radiance Field）はリアルな見た目を再現できる一方、明示的な形状を持たないため編集やゲームエンジンへの取り込みが難しい。triplane（3枚の平面特徴で3Dを表す手法）は効率的だが、3方向への射影で情報が混ざり、細部の分離が甘くなりやすい。

SLAT は「疎な構造で無駄な空間を捨てつつ、残した各点に局所特徴を持たせる」ことで、これらの弱点を同時に回避する。空間の大半を占める空白を疎表現で削るからメモリ効率が高く、各点が独立した特徴ベクトルを持つから細部を表現でき、しかも構造が明示的なので複数のデコーダへ展開できる。効率・ディテール・多形式デコードという、従来はトレードオフだった3つを1つの表現で成立させたのが SLAT の核心的な発明だ。

Rectified Flow Transformer が担う役割

SLAT を”生成”する部分を支えるのが Rectified Flow Transformer である。近年の画像生成が拡散モデルから Flow Matching 系へ移りつつあるのと同じ流れで、TRELLIS もノイズから目的の分布へ最短に近い経路で変換する Rectified Flow を採用している。これは生成ステップ数を抑えつつ品質を保ちやすく、3Dのように出力次元が大きいタスクで計算コストの面で効いてくる。

条件付けにも工夫がある。画像入力時は DINOv2 による強力な視覚特徴を条件として与え、テキスト入力時はテキスト埋め込みを条件にする。DINOv2 は自己教師あり学習で得た汎用的な視覚表現で、被写体の構造を捉える力が高い。この「良い条件特徴 × SLAT × Rectified Flow」の組み合わせが、TRELLIS の生成品質を底上げしている。

画像から3Dアセットを作る手順とコード

仕組みが分かったところで、実際に画像から3Dアセットを生成する流れをコードで追ってみよう。公式は Python パイプラインとして API を提供しており、数行で「画像→3D→GLB書き出し」まで到達できる。

TRELLIS の入力画像例（公式リポジトリの assets/example_image/T.png）
入力に使う参考画像の一例。背景が単純で対象がはっきりした画像ほど3D化の精度が上がる。出典：microsoft/TRELLIS

中心となるのは TrellisImageTo3DPipeline だ。学習済みモデルを読み込み、画像を渡して run() を呼ぶと、複数形式の出力が辞書で返ってくる。

from trellis.pipelines import TrellisImageTo3DPipeline
from trellis.utils import render_utils, postprocessing_utils
from PIL import Image

# 学習済みモデル（画像→3D・12億パラメータ）をロード
pipeline = TrellisImageTo3DPipeline.from_pretrained("microsoft/TRELLIS-image-large")
pipeline.cuda()

# 参考画像を読み込んで生成
image = Image.open("assets/example_image/T.png")
outputs = pipeline.run(image, seed=1)

# outputs は 3 形式を含む辞書：
#   outputs['gaussian']        … 3D Gaussian
#   outputs['radiance_field']  … Radiance Field
#   outputs['mesh']            … メッシュ

生成結果を確認したいときは、レンダリングユーティリティで回転動画を書き出すのが手軽だ。3D Gaussian をぐるりと回した動画を数行で得られる。

# 3D Gaussian を回転レンダリングして品質を確認
video = render_utils.render_video(outputs['gaussian'][0])['color']

制作パイプラインに組み込むうえで一番使うのが GLB 書き出しだ。メッシュと Gaussian を組み合わせ、テクスチャを焼き込んだ GLB を出力する。simplify でポリゴン数を削減し、texture_size でテクスチャ解像度を指定できる。

# メッシュ＋テクスチャを GLB として書き出す
glb = postprocessing_utils.to_glb(
    outputs['gaussian'][0],
    outputs['mesh'][0],
    simplify=0.95,       # ポリゴンを 95% 削減（軽量化）
    texture_size=1024,   # 焼き込むテクスチャの解像度
)
glb.export("sample.glb")

# 3D Gaussian をそのまま .ply でも保存できる
outputs['gaussian'][0].save_ply("sample.ply")

生成の細かな挙動は、疎構造サンプラーと SLAT サンプラーそれぞれのパラメータで制御する。steps（サンプリング回数）と cfg_strength（プロンプトへの忠実度）を調整すると、品質と生成時間・多様性のバランスを追い込める。

outputs = pipeline.run(
    image,
    seed=1,
    sparse_structure_sampler_params={"steps": 12, "cfg_strength": 7.5},
    slat_sampler_params={"steps": 12, "cfg_strength": 3.0},
)

出力された sample.glb は、Blender・Unity・Unreal Engine・three.js など GLB を扱えるツールにそのまま読み込める。ここまでが画像1枚から実用フォーマットに到達する最短経路だ。テキストから生成したい場合は、後述のとおり TrellisTextTo3DPipeline に差し替えて同じ流れで扱える。

生成がうまくいく画像・いかない画像

同じ TRELLIS でも、入力画像の質で仕上がりは大きく変わる。うまくいくのは「対象がはっきりして、背景がシンプルで、被写体全体が写っている」画像だ。逆に、背景が雑然としている・被写体が見切れている・複数の物体が重なっている画像は、形状推定が乱れて破綻しやすい。

・背景を単純にする — 白背景や単色背景が理想。必要なら事前に背景除去をかけると安定する
・被写体を切らさない — 全体が枠内に収まった画像を使う。見切れは欠損として3Dに現れる
・正面性のある構図を選ぶ — 極端な俯瞰・煽りより、対象の特徴が読み取れる角度が良い
・単一の物体にする — 1枚に複数の物体があると、どれを3D化するかが曖昧になる

思ったより裏側の作りが甘い、細部が溶ける、といった場合は、seed を変えて複数回生成し、良い結果を選ぶ運用が現実的だ。加えて、前述のマルチ画像条件付けで角度違いの画像を足すと、遮蔽面の推定が改善する。

Hunyuan3D・TripoSR・DreamGaussian との比較

画像→3D生成には TRELLIS 以外にも有力なOSSがある。ここでは代表的な Hunyuan3D・TripoSR・DreamGaussian と、観点ごとに整理する。何を優先するかで最適解は変わるので、自分の用途に照らして読んでほしい。

従来の画像→3D と TRELLIS の違い
TRELLIS が従来の画像→3D手法に対して埋めた差分。単一形式・粗いテクスチャ・破綻・編集不可という弱点を SLAT で克服した
観点 TRELLIS Hunyuan3D 2 TripoSR DreamGaussian
開発元 Microsoft Research Tencent Stability AI × Tripo 個人研究（論文実装）
入力 画像・テキスト・複数画像 画像・テキスト 画像のみ 画像・テキスト
出力形式 Gaussian／メッシュ／RF メッシュ（＋テクスチャ） メッシュ Gaussian／メッシュ
中核手法 SLAT＋Rectified Flow 拡散（形状＋テクスチャ2段） Transformer 再構成 Gaussian Splatting最適化
テクスチャ品質 高（同時生成） 高（専用テクスチャ段） 中 中
生成速度 数十秒級 数十秒〜分級 数秒級（最速） 分級（都度最適化）
ライセンス MIT（一部除く） 独自（Tencent） MIT MIT

要点を言語化するとこうなる。

・とにかく速さが欲しいなら TripoSR — 1枚の画像を数秒でメッシュ化する速度が武器。プロトタイプの大量生成やプレビュー用途に向く。ただし出力はメッシュ単一で、細部やテクスチャは TRELLIS に一歩譲る
・テクスチャの作り込みなら Hunyuan3D — 形状生成とテクスチャ生成を分離した2段構成で、色や質感の再現に強い。ライセンスが Tencent 独自条項である点は商用前に要確認
・複数形式と編集の柔軟性なら TRELLIS — SLAT により Gaussian・メッシュ・RF を1回で取り出せ、素材変更や局所編集まで同じ枠組みで扱える。MIT 中心で商用に組み込みやすい
・DreamGaussian は先駆的だが最適化型 — 生成のたびに最適化を回す設計で、品質は出せるものの1件あたりの時間がかかる。研究・学習用途で参照される

TRELLIS の独自性は「1つの潜在表現から複数形式を出せる（Versatility）」点にある。ゲーム用のメッシュ、Web展示用の軽量 Gaussian、研究用の Radiance Field を、それぞれ別のツールで作り直す必要がない。この一貫性が、単発生成では見えにくい制作現場での効きどころだ。

見逃せないのがエコシステムの広がりだ。TRELLIS は公開後、コミュニティによって ComfyUI 用のカスタムノードや各種ラッパーが整備され、ノードを繋ぐ感覚で画像→3Dのワークフローを組めるようになっている。画像生成で ComfyUI に慣れた層が、そのまま3D生成へ地続きに移れる導線ができている点は、単体の生成品質とは別の普及要因になる。研究発の実装が「触りやすい道具」へと磨かれていく速度も、MIT 中心のライセンスがあってこそだ。

なお、ここで挙げた速度感やライセンスは各プロジェクトの更新で変わりうる。商用導入を前提にするなら、採用前に必ず各リポジトリの最新のライセンス条項とモデルカードを確認してほしい。

導入手順と用途別の使い方

最後に、実際に手を動かすための導入手順と、生成した3Dアセットの現実的な使いどころを整理する。

まず試すなら Hugging Face の公式デモ Space が最短だ。GPUを用意せずブラウザだけで、画像をアップロードして3D生成を体験できる。「使えるかどうか」を判断する段階では、ローカル構築より先にこちらで感触を掴むのが効率的だ。

ローカルに構築する場合、動作要件は明確に Linux＋16GB以上のVRAMを持つNVIDIA GPU（公式は A100・A6000 で検証）で、CUDA 11.8 または 12.2、Conda、Python 3.8以降が前提となる。Windows ネイティブや macOS は公式サポート外である点に注意したい。セットアップはサブモジュールごとクローンし、付属スクリプトで依存関係を入れる。

# サブモジュールごとクローン
git clone --recurse-submodules https://github.com/microsoft/TRELLIS.git
cd TRELLIS

# 新規 conda 環境を作り、必要な拡張をまとめて導入
. ./setup.sh --new-env --basic --xformers --flash-attn \
    --diffoctreerast --spconv --mipgaussian --kaolin --nvdiffrast

導入後は、ブラウザから触れる Gradio 製のデモアプリも同梱されている。ローカルGPUでGUIから試したいときに便利だ。

# Gradio デモに必要な追加依存を入れて起動
pip install gradio==4.44.1 gradio_litmodel3d==0.0.1
python app.py

テキストから生成したい場合は、画像用パイプラインをテキスト用に差し替えるだけでよい。

from trellis.pipelines import TrellisTextTo3DPipeline

pipeline = TrellisTextTo3DPipeline.from_pretrained("microsoft/TRELLIS-text-xlarge")
pipeline.cuda()
outputs = pipeline.run("a small red house with a chimney", seed=1)

💡 用途別の使いどころ

・ゲームアセット — 小道具・背景オブジェクト・アイテムのラフ制作。GLB でエンジンに読み込み、モデラーが仕上げる”下書き”として初速を稼ぐ
・VR / メタバース — 空間に配置するオブジェクトを参考画像から量産。リアルタイム描画に向く 3D Gaussian をそのまま活用できる
・3Dプリント — メッシュを書き出し、スライサーソフトで印刷用に整えて出力。フィギュアや試作品の形状検討に
・映像・VFX / プロトタイピング — 企画段階のモックアップやストーリーボード用の3Dを短時間で用意し、方向性の合意形成を早める

よくあるつまずきと対処

ローカル構築でつまずきやすいポイントも押さえておこう。最初の関門は サブモジュールの取得漏れだ。--recurse-submodules を付けずにクローンすると、diffoctreerast や Modified Flexicubes といった描画・メッシュ抽出まわりが欠け、実行時にエラーになる。付け忘れた場合は git submodule update --init --recursive で後から取得できる。

次に多いのが CUDA バージョンの不一致だ。TRELLIS は CUDA 11.8 または 12.2 を前提にビルドされる拡張（xformers、flash-attn、spconv など）に依存するため、ドライバとツールキットのバージョンが噛み合っていないとコンパイルで失敗する。nvcc --version で環境を確認し、対応する組み合わせを揃えるのが近道だ。

生成時の VRAM 不足（Out of Memory） に当たったら、まず texture_size を 1024 から 512 に下げ、simplify を強めてポリゴンを減らす。それでも厳しい場合はテキスト側のモデルを xlarge から large・base へ落とす。どうしてもGPU環境が用意できないなら、無理にローカル構築へ進まず Hugging Face の公式 Space で用が足りるかを先に見極めるのが賢明だ。

なお TRELLIS は Linux 専用で、Windows ネイティブや macOS は公式サポート外だ。Windows ユーザーは WSL2＋対応GPUドライバ、あるいはクラウドGPU（対応CUDAのインスタンス）で動かすのが定石になる。この「環境の敷居の高さ」は、ブラウザ完結の Space が用意されている理由でもある。

現実的な運用の勘所は、TRELLIS を”最終成果物の自動生成機”ではなく”制作の初速を上げる下書き生成機”として使うことだ。生成された3Dは細部やトポロジーがプロの手作業には及ばない場面もあるが、ゼロから作る時間を数十秒に圧縮できる価値は大きい。「まず形にする」を高速化し、そこから人間が磨き込む——この分業が、現時点での画像→3D生成の最も効果的な取り込み方だといえる。同じ Microsoft の生成AI戦略という文脈では、言語モデル側の動きをまとめたMicrosoft MAI-Thinking-1とMAIファミリー7モデルも参考になる。

まとめと参照ソース

TRELLIS は、画像生成AIが辿った「大規模データ×大規模モデル」というスケーリングの道を、3D生成で高い完成度で再現したOSSだ。核心は SLAT（Structured LATents） という統一表現にあり、疎な3D骨格に局所特徴を紐づけることで、1回の生成から 3D Gaussian・メッシュ・Radiance Field を取り出せる”多様性”を実現している。これにより、TripoSR の速さや Hunyuan3D のテクスチャ品質とは異なる軸——複数形式と後編集の柔軟性——で確かな存在感を持つ。

・何ができる：画像・テキストから高品質な3Dアセット（テクスチャ付き）を生成
・何を解決する：3Dアセット制作の初速の遅さ。参考画像1枚から数十秒で下書きが出る
・何を代替する：単一形式・粗テクスチャ・編集不可だった先行の画像→3D手法

3Dが「専門ツールと熟練者の領域」から「1枚の画像で誰でも下書きできる領域」へ移りつつある転換点を、TRELLIS は最も分かりやすく示している。まずは公式デモ Space で1枚の画像を投げ込み、生成された3Dを回して確かめてみてほしい。生成AIの次の主戦場が、確かに立ち上がっているのが実感できるはずだ。

参照ソース

・microsoft/TRELLIS — 公式GitHubリポジトリ（README・モデル一覧・セットアップ手順・更新履歴）
・Structured 3D Latents for Scalable and Versatile 3D Generation（arXiv:2412.01506）（SLAT の手法・学習・評価、CVPR’25 Spotlight）
・TRELLIS プロジェクトページ（生成例ギャラリー・デモ動画）
・Hugging Face 公式デモ Space（Microsoft/TRELLIS）（ブラウザから試せる画像→3D生成）