(48)で一次情報を整理して「当方は試す予定」と書いたIdolを、走る女性のキャラシートの正面1枚で動かした。16GB GPUで37秒、出た.plyをBlender 5.3がそのまま読み、正面・側面・背面と360度のターンテーブルまで撮れた。
先に結論
- 16GBで完走、37秒。 history所要36.7秒(初回41.6秒)、GPU0のピーク4,662MiB、RAMの実使用約5.7GiB。262,144粒で.plyは17.8MB。(48)で引いた配布元の「VRAM 7.2GB」より当方のピークは小さい。
- ComfyUI本体は更新せずに動いた。 0.44.0に標準のTripoSplatノードが入っていて、公式モデル5つ(DiT・デコーダ・DINOv3・FLUX.2 VAE・BiRefNet)を所定のフォルダに置くだけで公式テンプレートどおりに動いた。
- Blender 5.3 RCは標準のPLY読み込みでガウシアンスプラットとして認識した。 アドオンなし。原点に置いて身長1.7mに合わせ、60mmで3方向の静止画と、24fps・120コマの周回を書き出した。
- 全身の服・体形・前後左右の配置を確かめる静的なカメラ基準としては候補になる。 一方で、顔は目鼻は残るが輪郭と細部が軟化し、元画像どおりの精度ではない。背面・靴裏・髪の奥は正面1枚からの推定で、髪の束には薄い板や筋、靴のかかとには模様の歪みがある。
- 骨格も走る動きもない。 白素体(Mixamo)を置き換えるリグ付きモデルになったわけではない。H3の参照動画に入れる下見(D)は未実施で、容姿が改善するかは未検証。本人評価も未取得。
条件
| 項目 | 値 |
|---|---|
| 入力 | キャラシートの正面全身1枚(768×1024・白背景)をそのまま。手動の切り抜き・拡縮・顔の加工なし |
| 前処理 | 公式どおりBiRefNetで背景除去→TripoSplatの前処理(1024)。内部の正方形化はモデル標準 |
| ComfyUI | 0.44.0のまま。標準のTripoSplatノード。公式モデル5ファイルはSHA256を配布元と照合 |
| 生成 | dpmpp_2m / simple、20ステップ、CFG 3、seed固定、num_gaussians=262,144 |
| GPU | RTX 5060 Ti 16GB×2。GPU0主体で、GPU1の378MiBは背景使用(2枚に分散した証拠ではない) |
| 設定 | 既存のモデルパス・lowhost・メモリ保護の閾値は変更なし |
実測
| 試験 | 粒数 | 所要 | GPU0ピーク | GPU1ピーク | RAM実使用ピーク | .ply |
|---|---|---|---|---|---|---|
| A 初回 | 262,144 | 41.6秒 | 4,658MiB | 378MiB | 未取得 | 17.8MB |
| A 再測定(採用) | 262,144 | 36.7秒 | 4,662MiB | 378MiB | 約5.7GiB | 17.8MB(初回とSHA256一致) |
| B 粒数2倍 | — | 未実施(任意) | — | — | — | — |
所要はhistoryの開始→成功。モデルの取得やBlenderの描画は含まない。再測定の前にComfyUIの通常の解放機能でモデルとキャッシュを解放したが、OSのファイルキャッシュは残り得るので、コールド起動の計測とは呼ばない。初回はRAMの監視が権限不足で取れず、権限を整えて同条件で測り直した(初回の記録は経緯として保存)。VRAMはnvidia-smiの約1秒間隔で、瞬間の最大値は保証しない。
配布元が載せている他GPUの秒数(RTX 3080で46秒など)と当方の数値は条件が違うので並べない。
Blender 5.3での撮影
| 項目 | 値 |
|---|---|
| Blender | 5.3.0 Release Candidate(11月8日ビルド)。既存のBlenderとは別のポータブル配置 |
| 読み込み | 標準のPLYインポート。262,144点、POINTCLOUD / GAUSSIAN_SPLATとして認識。メッシュ化なし |
| 向き | .plyのY下向き・正面+Xを、BlenderのZ上向き・正面−Yにオブジェクト回転で合わせた。スプラット属性を壊すApply Transformはしない |
| 配置 | 床Z=0、水平中心を原点、身長1.7m |
| カメラ | 60mm、センサー縦24mm、距離5.1m、高さ0.85m、672×928。正面・人物の右側・背面 |
| 描画 | Cycles CPU、16サンプル、デノイズあり |
| 周回 | 24fps・120コマ・5秒。人物は静止、カメラが1コマ3度ずつ回る。最後は357度で次の0度へつながる |
見え方(デスクトップ側の画像観察。本人評価とは別)
| 方向 | 観察 |
|---|---|
| 正面 | 白T、黒い膝上丈のボトム、白ソックスと靴。全身の輪郭は連続した面として読める。顔は目鼻が残るが輪郭と細部が軟化し、元画像どおりの精度ではない |
| 側面 | 胸・腹・腕・脚・靴の厚みが成立。手指・肩口・靴底の細部は粗く、髪の束に薄い板・筋のような部分 |
| 背面 | シャツ背面・後頭部・ポニーテール・臀部と脚が推定で補われている。髪の一部に明るい縁や透けた筋、靴のかかとに黒白の模様の歪み |
| 靴裏 | 下からの追加視点で両足に黒い靴底がある。溝の模様は細かなノイズ状で、正確な構造とは言えない |
この解像度では主に面に見えるが、細い髪や輪郭には不安定な部分がある。構造はあくまでガウシアンスプラットで、編集できる連続面のメッシュではない。
(48)の線はどこまで進んだか
(48)で書いた線は「キャラシート1枚→3D→参照動画」だった。今回で、キャラシート1枚→3D→Blenderで置いて撮る、までが通った。残りは、この周回や任意のカメラ軌道で撮った動画を、H3の参照動画(白動画の代わり)として入れること。
| 段階 | 状態 |
|---|---|
| 画像1枚→.ply | 通った。37秒・VRAM約4.7GB |
| .ply→Blenderで撮る | 通った。アドオンなし、60mmで3方向+周回 |
| 撮った動画→H3の参照 | 未実施。既存の白素体版と同seed・同設定で比べる必要がある |
白素体は動きとカメラの基準として数値で縛れる((61)のドローン接近など)。本人の3Dは服と体形と前後左右の配置が本人のものになる一方、動きがない。使い分けるなら、カメラの軌道と人物の収まりを決めるのに本人の3Dで下見をして、動きは白素体かプロンプトで書く、という形が考えられるが、これは次の検証で確かめる。
分けられないこと
- 各条件1回の計測。粒数を増やしたときの画質や所要は測っていない(B未実施)。
- 背面・靴裏・髪の奥はモデルの推定。実物の裏側を計測したものではない。
- 16GBで今回の設定が完走した事実と、あらゆる入力・粒数での動作は別。
- 本人評価は未取得。上の観察はデスクトップ側の画像確認。
関連
- (48) 参考情報: 画像1枚から3Dの「Idol」——VRAM 7.2GBで動く、ガウシアンスプラットという出力の正体
- (55) P-H3-Imageでキャラシートを作った回
- (61) ドローンのように後ろ上空から8秒追う(白素体でカメラ軌道)
- (66) 洗面所で髪を束ねる5秒——キャラシート1枚で人物の一貫性
続き: 生成AI研究室(69) P-H3-Imageとは何か——動画モデルMiniMax H3から作った静止画モデル。なぜ画像なのに本体55GBなのか、頑張って買えるGPUでどこまで使えるか
コメント