harry7557558/spirula-studio

解决什么问题

要从原始素材得到 3D Gaussian Splatting 模型，常规做法是拼一套工具链：COLMAP 做 SfM，PyTorch 参考实现做训练，ffmpeg 抽帧，可能再加一个独立的遮罩模型，最后还得找工具做网格化。每一环都有自己的 GPU 假设，大部分默认你是 NVIDIA 用户。Spirula Studio 把「视频 → splat → 带纹理网格」这条链路收进一个原生二进制，同时提供 GUI 和 CLI。

有什么不同

参考实现（INRIA 原始代码、gsplat 这类框架）都以 CUDA 加 Python 为前提，Spirula 的核心差异是 Vulkan compute 后端：同一套训练能跑在 NVIDIA、AMD、Intel 和 Apple Silicon 上，CUDA 只作为遗留选项保留。第二个差异是显存，量化训练号称能在 8 GB VRAM 里放下 1000 万个 full-SH Gaussian，对消费级显卡跑大场景很关键。第三是原生支持鱼眼和等距柱状 360° 输入，不需要预先去畸变。内置 SfM、AI 遮罩和抽帧省掉了 COLMAP 与 ffmpeg 两步，但这是便利性收益，不是架构上的分野。

适合谁

没有 NVIDIA 卡的摄影测量与 3D 采集从业者——AMD、Intel 或 Apple Silicon 用户目前根本跑不了参考实现——以及需要处理 360°/鱼眼素材、不想先做预处理的人。云端或无头训练也合适，CLI 会把 viewer 挂在 HTTP 端口上，SSH 转发即可看进度。如果你打算改训练循环，这不是给你准备的：它是一个成品应用，不是带 Python API 的研究框架。已经在 PyTorch 生态里、手上有 NVIDIA 卡的团队，迁移理由就没那么充分。

上手成本

直接用 Release 里的 GUI 包最省事；从源码构建需要 Vulkan SDK（macOS 上 MoltenVK 由 CMake 自动拉取）加 CMake/Ninja，走 CUDA 后端则需要较新的 CUDA 工具链。-DSS_ENABLE_PATENTED=ON 会启用 GPU 解码视频，但 AVC/HEVC 的专利合规责任落在你身上。遮罩功能首次使用时从 Meta 下载 SAM checkpoint，SAM 3 是 Meta 的非标准许可，商用前要确认。项目整体是 GPL-3.0。README 自己写明基本由一个人维护，issue 回复可能偏慢。

点评

这不是一个新项目，2024 年 5 月就已公开；近期的热度来自 C++ 月榜第 4（本月 +1,184 stars），而不是突然的病毒式传播。这种曲线更像长期积累用户和功能，changelog 里最近几个月还有 metric scale、LoMa 特征、macOS 支持等实打实的更新。跨厂商 Vulkan 是它真正的赌注，也是 CUDA 阵营的竞品给不了的东西。风险也很坦率：单人维护、GPL、以及几个自带许可条款的可选组件。如果你用的是非 NVIDIA 硬件或者要处理 360° 素材，值得下载试；如果你需要 fork 训练器改算法，那就算了。