英伟达开源Lyra 2.0：单图生成约90米3D世界，80帧生成提速约13倍

据 11 月 10 日报道，英伟达空间智能实验室开发的 Lyra 2.0 框架以单张静态照片为输入，可生成跨度约90米、支持主动视角探索的持久化三维环境，并重建为可实时渲染的3D高斯泼溅与多边形网格；相关代码与模型权重已在GitHub和Hugging Face开源。

技术路径：给模型装上「空间记忆」

Lyra 2.0以单张静态图像为输入，先推断场景的整体几何与外观，再向外延展成持久化的三维表示。生成结果同时给出3D高斯泼溅与多边形网格两种形态：前者适合实时渲染与快速预览，后者便于导入引擎和仿真工具继续加工。这种「双输出」的设计，让同一份场景既能在浏览器里流畅漫游，也能进入专业管线做二次编辑。

生成式三维建模长期被两个问题拖住。一是「空间遗忘」——用户把视角转回已经探索过的区域，模型可能重新长出一套不一致的结构，墙的位置、窗的数量都可能变。二是「时间漂移」——视角持续外移时，几何形变与纹理误差不断累积，走得越远画面越糊。Lyra 2.0的应对办法是引入基于三维几何信息的空间记忆机制，让模型在生成新视角时持续参照已建好的几何，而不是每一步都从头猜测。

纠错训练：让模型看见自己的瑕疵

另一项改动发生在训练阶段。研究团队让模型主动暴露在自身生成的瑕疵内容中，学习识别并纠正误差，而不是把错误一路放大。这套思路接近「自纠错」，目标是让长距离漫游之后的场景仍然保持稳定。

性能上的关键是知识蒸馏。经过蒸馏的轻量模型把视频生成的去噪步数从35步压缩到4步：在单块GB200 GPU上生成80帧片段，完整模型约需194秒，轻量模型约需15秒，速度提升约13倍。需要说明的是，这组数字对应80帧片段、单卡GB200的特定测试条件，并不是任意硬件、任意分辨率下的普遍表现。

图：单张照片重建出的三维点云场景，四周为可回看的视角示意（AI 生成）

90米场景能做什么

官方给出的可探索范围约90米，支持主动视角探索，而不是固定机位的一段环拍。对机器人仿真来说，这个尺度足以覆盖一个庭院、一栋小楼或一段街区，能提供比单个房间更丰富的导航与避障样本。

生成的三维场景可以导出到NVIDIA Isaac Sim等物理引擎，用于机器人感知、决策与行为训练。开发者不必先采集真实世界数据，就能在虚拟环境中搭出训练场，这对数据稀缺的长尾场景尤其有价值。英伟达把这套框架定位为「环境资产」的辅助生成工具：先用一张照片快速搭出可用的场景底稿，再由人工补齐细节。

开源方式与当前限制

相关代码与模型权重已在GitHub和Hugging Face开放，研究团队与开发者可以直接下载复现，也可以在自己的数据上继续微调。开源降低了使用门槛，但效果同样取决于使用者手里的硬件与调参经验。

限制也很明确。当前版本仍以静态环境建模为主，动态物体与实时全场景生成尚存局限；生成的几何在细节精度、材质真实度上还达不到手工建模的水准，复杂光照与镜面反射容易失真。换句话说，它更像是把「从零建模」变成「从一张图改建模」，而不是替代完整的场景制作流程。

至于能否在任意场景稳定工作，目前没有公开的普适结论。官方强调的是受控测试中的效率提升与可探索范围，实际落地仍需按具体任务逐项验证。

关键词： 英伟达、Lyra 2.0、3D高斯泼溅、单图生成3D、开源

信源： 快科技编辑： AI 采编系统日期： 2026-11-10