GET3D 是 NVIDIA Research 多伦多 AI 实验室 2022 年发布的生成式 AI 3D 模型（NeurIPS 2022），全称 Generative model that directly generates Explicit Textured 3D meshes。核心是从海量 2D 图片无监督学习→输出带 UV/PBR 纹理、拓扑干净、任意拓扑的 3D 网格，支持文生 3D、形状插值、材质解耦，输出 OBJ/FBX/GLB，适配 Unity/Unreal/Blender。非商用工具，仅限研究与非商业用途。
核心优势
几何 + 纹理双高保真：输出带细节拓扑与高清 PBR 纹理的网格，可直接渲染。
任意拓扑支持：突破传统模型拓扑限制，生成复杂结构（如椅子、汽车、动物）。
几何 / 纹理解耦：形状与材质独立控制，可组合生成无限变体。
纯 2D 训练→3D 输出：仅用 2D 图像训练，无需 3D 标注，数据门槛低。
引擎就绪输出：干净拓扑、标准 UV、无破面，直接导入游戏引擎。
亮点功能
Image-to-3D：单张 / 多张 2D 图转 textured 3D 网格，还原形状与材质。
Text-to-3D（CLIP 引导）：文本描述生成对应 3D 模型，支持风格 / 细节控制。
形状插值与变形：潜在空间平滑过渡，生成渐变变体，适合资产批量扩展。
无监督材质生成：结合 DIBR++ 生成视角相关光照，提升真实感。
多格式导出：OBJ/FBX/GLB，兼容主流 3D 软件与引擎。
开源研究代码：GitHub 开源，可本地部署 / 二次开发 / 微调数据。
应用场景
游戏开发（研究 / 原型）：批量生成道具、家具、车辆、建筑，快速填充场景。
元宇宙 / Virtual World：低成本创建大量虚拟资产，支撑大规模数字世界。
3D 打印：生成可打印的高精度模型，支持复杂结构。
影视 / 动画预演：快速生成场景资产、道具原型，加速前期设计。
AI 研究与教育：3D 生成算法研究、模型对比、学术实验、教学演示。
使用方法（本地部署，需 RTX GPU）
访问 GitHub 仓库，克隆代码并安装依赖（PyTorch、CUDA、Kaolin）。
下载预训练模型（汽车、椅子、动物等类别）。
运行推理脚本：输入文本 / 图像，生成 3D 网格与纹理。
用 Blender 查看 / 编辑，导出 FBX/GLB 用于引擎。
（可选）用自定义数据集微调模型，生成专属资产库。
技术价值
突破数据壁垒：仅用 2D 数据训练，大幅降低 3D 资产生成的数据成本。
质量与效率平衡：数分钟生成高质量模型，远超传统建模效率。
标准化输出：统一拓扑 / UV / 纹理标准，减少后期修复工作量。
学术标杆：2022 年至今仍是 3D 生成领域基线模型，启发后续多项技术。
开源与许可（2026）
状态：GitHub 开源（MIT 许可），仅限研究 / 非商业用途。
预训练模型：公开提供汽车、椅子、桌子、动物、建筑等类别权重。
限制：无官方 Web 端 / API，需本地 RTX GPU（≥16GB 显存）运行。
