content-engine: publish ml-sharp card

README.md

@@ -0,0 +1,53 @@
+---
+license: other
+pretty_name: SHARP：单张图的秒级 3D 高斯视图合成
+tags:
+- 3D vision
+- gaussian splatting
+- view synthesis
+- Apple
+
+---
+
+# SHARP：单张图的秒级 3D 高斯视图合成
+
+SHARP 是 Apple 提出的单目视图合成方法：给定一张照片，它在单次前馈中回归出场景的 3D 高斯表示，标准 GPU 上耗时不到 1 秒。得到的 3DGS 可以被实时渲染，输出附近视角的高分辨率写实图像，而且表示是 metric 的，带绝对尺度，支持米制相机运动。 按 README 与论文摘要，它在多个数据集上把 LPIPS 降低 25–34%、DISTS 降低 21–43%，同时把合成耗时降低三个数量级。 对开发者来说，值得看的是它把「重建」压缩成了一次前馈调用，并且给出了现成的 CLI 与权重。
+
+This repository collects reading notes and links. **No model weights are redistributed here** — the
+official checkpoint and code stay with their authors; follow the links below.
+
+## Key facts
+- **合成耗时**: 标准 GPU 上不到 1 秒，单次前馈
+- **LPIPS**: 较此前最佳模型降低 25–34%
+- **DISTS**: 较此前最佳模型降低 21–43%
+- **加速幅度**: 合成耗时降低三个数量级
+- **输出表示**: metric 3D 高斯（3DGS），输出 .ply 文件
+- **泛化**: 论文称具备鲁棒的零样本泛化
+
+## Sources
+- SHARP 通过单次前馈在标准 GPU 上以不到 1 秒的时间回归出场景的 3D 高斯表示参数。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- SHARP 产出的 3D 高斯表示可以被实时渲染，生成附近视角的高分辨率写实图像。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 该表示是 metric 的，带绝对尺度，支持米制的相机运动。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 实验结果展示了 SHARP 跨数据集的鲁棒零样本泛化能力。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 在多个数据集上，SHARP 相对此前最佳模型把 LPIPS 降低 25–34%、DISTS 降低 21–43%，同时把合成耗时降低三个数量级。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 预测结果是以 3D 高斯泼溅（3DGS）形式存放在输出目录中的可渲染结果。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 官方 CLI 的预测入口是 sharp predict，用 -i 指定输入图像目录、-o 指定输出高斯目录。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 模型权重在第一次运行时自动下载，并缓存到 ~/.cache/torch/hub/checkpoints/。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 高斯预测在 CPU、CUDA 和 MPS 上都能工作，但通过 --render 渲染相机轨迹视频目前需要 CUDA GPU。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+- 输出的 3DGS 遵循 OpenCV 坐标约定（x 右、y 下、z 前），场景中心大致在 (0, 0, +z)，接第三方渲染器时需要自行缩放与旋转来重新居中。 — [raw.githubusercontent.com](https://raw.githubusercontent.com/apple/ml-sharp/main/README.md)
+
+## Links
+- [arXiv 2512.10685](https://arxiv.org/abs/2512.10685)
+- [项目主页](https://apple.github.io/ml-sharp/)
+- [官方仓库](https://github.com/apple/ml-sharp)
+- [模型权重](https://ml-site.cdn-apple.com/models/sharp/sharp_2572gikvuh.pt)
+
+## More
+
+SHARP 展示了一件值得记住的事：一张普通照片里，本来就藏着足够多的信息，只要有一个足够鲁棒的表示方式把它读出来。 在你自己的照片上，最实用的第一步往往不是重建 3D，而是先把图像本身的质量拉起来。 DLSS 5 是一个在线 AI 图像编辑器，把手里已有的图画上传上去，就能试试我们的 AI 超分与画质增强。
+
+[上传图片，试试 AI 增强](https://www.dlss5nvidia.com)
+
+---
+
+Notes compiled from `topics/ml-sharp/` with content-engine.