伴隨著AI的爆火，用AI生成三維內容（3D AIGC）作為AI的新玩法之一，從今年開始明顯受到越來越多的關注。

正是在這樣的背景下，??LGM??（即 Large Gaussian Model，大型多視角高斯模型）由北京大學、南洋理工大學 S-Lab 和上海人工智能實驗室的研究者聯合提出，旨在依靠一張二維圖片，就可5秒生成同款3D物體。

官方給出的賣家秀

??LGM??現已上線appmall.ai，今天我們就對這款剛剛出品不久的3D AIGC應用進行實測，看看在實際使用中它能為我們帶來哪些好玩的體驗。

在哪體驗LGM？

現在訪問??appmall.ai??，即可通過首頁或搜索功能安裝LGM，低至2.3元/小時，按分鐘計費，無需安裝部署，即可一鍵在線體驗。

如何使用LGM？

??LGM??的操作面板非常簡單，左側功能區可以上傳參考圖片、輸入prompt、調節參數，右側則直接展示AI基于參考圖，建構出來的3D物品。

（1）是否要輸入prompt？

經過實測，prompt是否輸入并不太影響生成結果。如果輸入prompt，那么根據官方給出的實例，也是只需要簡單化的內容即可，比如furry fox head，mushroom house這種。

同時，negative prompt可以理解為保證結果水準的外框和標尺，目前默認的設置就是去掉難看、不清晰、像素模糊、不自然色彩、糟糕光線等效果，這項參數保持默認就可以。

（2）下方三項調節參數，要調嗎？

? elevation（-90 到 90）：表示仰角，用于確定觀察或生成三維物體的視角垂直方向角度。-90 度代表垂直向下看（俯視），0 度表示水平方向觀察（默認值），90 度則是垂直向上看（仰視）。通過設置不同的仰角，可以從不同的垂直角度來生成或查看三維模型，從而滿足不同的視覺需求，比如模擬從地面仰望物體或從高空俯瞰物體等場景。

? inference steps（1 到 100）：推理步驟數，在生成三維物體的過程中，模型需要進行一系列的計算和推理操作來逐步構建出最終的結果。推理步驟數就是控制這個過程的迭代次數。一般來說，步驟數越多，模型有更多的機會對生成的結果進行細化和優化，可能會得到更精確、質量更高的三維物體，但同時也會增加計算時間和資源消耗。如果步驟數太少，可能生成的結果不夠理想，存在細節缺失或不準確的情況。

? random seed（0 到 100000）：隨機種子，它是一個用于初始化隨機數生成器的值。通過設置固定的隨機種子，可以確保在相同的模型參數和輸入條件下，每次生成的結果具有一致性和可重復性。如果不設置隨機種子或者使用不同的隨機種子，那么每次運行模型時，由于隨機因素的影響，生成的三維物體可能會有所不同。這樣可以方便用戶在需要時獲取特定的生成結果，也有助于對模型的性能進行評估和比較。

（3）易用性如何？AI小白可以用嗎？

界面簡單，保持默認參數也能玩，另外在生成時間方面，“5秒出結果”誠不我欺，LGM實測的產出時間確實比其他AI應用都要短。

所以，至少從便捷性、降低AI使用門檻的角度來說，LGM是完全可以達標“易用性”“新手友好”等評價的。

（4）需要上傳什么樣的參考圖？

從實測來看，純平面圖（如二維插畫）、主體較多、主體元素較多、圖片非高清等情況下，基本上很難達到預期的效果。

純平面生成

多主體生成

復雜主體生成

（5）生成效果怎么樣？

從實測來看，生成效果“買家秀”與官方“賣家秀”的差距還是較大的?？赡苁苤朴谀J30 steps的限制，??LGM??的出品并不穩定。

比如在面對毛絨玩具這種其訓練過程中高頻接觸的物品種類時（官方給出的“賣家秀”里有對玩具熊的訓練結果），它的表現就還可以。

但是如果換其他材質，在一些清晰化元素（比如五官）的處理上，存在變形。

畢竟LGM發布時間并不長，存在短板是非常正常的事情。我們既不應該盲目追捧某種新生技術，也沒有必要將初代水平等同于后續水平而一棒子打死，反而應該客觀看待“賣家秀”和“買家秀”的差距、承認可優化空間，這樣才能更好地推動AI應用行業的健康長遠發展。

當然，??LGM??完全支持通過調節參數，如增加生成迭代步驟、上傳高清參考圖等方式，來優化生成結果。這一步就留給廣大的AI愛好者去自行發掘吧。

每項3D內容生成之后，LGM也支持將3D內容通過視頻的格式進行下載，方便用戶后期處理或使用，是不是也不失為一個有趣的AI小工具呢？還在等什么，快來appmall.ai一鍵體驗吧。