speridlabs の単一画像から 3D モデルへ変換するツール：物体の画像（レンダリング画像、生成画像、写真）を1枚入力すると、背景除去とトリミングを自動で行い、最大 1,048,576 個の 3D ガウシアンを生成します。画像に写っていない側面も補完し、標準的な 3DGS .ply ファイルとして保存します。10 月 31 日に一度収録済みですが、今回再収録したのは、11 月 1 日に Comfy-Org が ComfyUI 向けパッケージ版（Comfy-Org/Idol、Kijai によるアップロード）を公開したためです。モデル自体に変更はありません。
上昇スコア 491 · いいね 516 · ダウンロード数 10742
理由
- 10 月 31 日の時点との違い：Comfy-Org のパッケージ説明によると、Idol は TripoSplat のファインチューニング版であり、既存の TripoSplat ワークフローをそのまま適用できます。パッケージには DINOv3 画像エンコーダー（bf16）、FLUX.2 VAE、Idol デコーダーが含まれており、指定されたディレクトリに配置すればすぐに使用可能です。
- 公式は H100 上で TripoSplat、TRELLIS、LGM と比較しています。入力視点の SSIM は 0.726、LPIPS は 0.213、新視点の DINOv2 は 0.781、CLIP は 0.885 で、いずれも表中で最良の値です。1回のリクエストあたりの処理時間は 6.8 秒（TRELLIS は 7.1 秒、TripoSplat は 9.9 秒）です。
- コンシューマー向けGPUで動作可能：公式によれば、リクエスト全体で約 1.80B パラメータ、ピークメモリ使用量は 7.2 GB です。50 ステップ、262,144 個のガウシアンの場合、RTX 4090 では1枚あたり約 19.1 秒、RTX 3080 では約 46.2 秒かかります。
使い方
- ComfyUI：Comfy-Org/Idol からダウンロードし、idol_fp16.safetensors を models/diffusion_models に、dino_v3_vit_h_bf16.safetensors を models/clip_vision に、flux2-vae.safetensors と idol_decoder_fp16.safetensors を models/vae に配置します。その後、既存の TripoSplat ワークフローを開き、これらのファイルに置き換えます。
- コマンドライン：まず Hugging Face で facebook/dinov3-vith16plus-pretrain-lvd1689m と black-forest-labs/FLUX.2-dev の利用規約に同意し、hf auth login を実行します。次に git clone speridlabs/idol-sdk、pip install -e . を実行し、python -m idol.sample --image photo.jpg --mode real を実行します（写真の場合は real、レンダリング画像や生成画像の場合は synthetic を指定します）。
- 一般的なパラメータ：--steps 50、--cfg_strength 3.0、--num_gaussians は 32,768 から 1,048,576 の間（32 の倍数、デフォルトは 262,144）で指定します。結果は任意のガウシアンスプラッティングビューアで .ply ファイルを開いて確認します。
リスク
- 評価は公式による自己評価であり、PSNR 項目では LGM が最高値を示しています（公式は PSNR がぼやけた結果を優遇する傾向があると説明しています）。本欄ではデモ動画を確認していません。
- Comfy-Org のページにはファイル配置の説明のみがあり、Idol 専用のワークフローは添付されていません。TripoSplat のワークフローを自分で修正する必要があります。パッケージに含まれる DINOv3 と FLUX.2 VAE にはそれぞれ独自のライセンス条件があり、Idol の Apache-2.0 ライセンスには従いません。
- 出力はガウシアンスプラッティングであり、メッシュではないため、ゲームエンジンや 3D プリンターで使用するには変換が必要です。また、単一の物体のみを対象としています。