MicrosoftのTRELLIS.2をApple SiliconでPyTorch MPSを使って動かせるようにしました。元のバージョンはCUDA専用の5つのコンパイル済み拡張機能（flex_gemm、flash_attn、o_voxel、cumesh、nvdiffrast）に依存していて、Macには対応版がありません。ゼロから代替バックエンドを作成しました：純粋なPyTorchの疎3D畳み込み（flex_gemmの代替）、空間ハッシュを使ったPythonメッシュ抽出（o_voxelのCUDAハッシュマップ操作の代替）、疎Transformerの注意機構（flash_attnの代替）、GPU加速三線形補間（cumeshとnvdiffrastの代替）です。
マイクロソフトの TRELLIS.2（40 億パラメータの画像から 3D へのモデル）を Apple Silicon 上で PyTorch MPS を使ってネイティブ実行するようにポートしました。元のバージョンは CUDA、flash_attn、nvdiffrast、カスタム疎畳み込みカーネルが必要でしたが、これらは Mac では動作しません。CUDA 固有の操作を純粋な PyTorch の代替案に置き換えました。具体的には、gather-scatter 疎 3D 畳み込み、疎 Transformer 用の SDPA アテンション、CUDA ハッシュマップ操作を置き換える Python ベースのメッシュ抽出です。合計 9 ファイルで数百行の変更を加えました。
M5 Proマシンに24GBのメモリを搭載しているユーザーが、Ollamaを使ってQwen 3.6の大規模言語モデル（LLM）を実行したいと考えています。Q4量子化（4ビット量子化）を使うべきか迷っていますが、適切なQ3量子化ソリューションが見つかりません。ハードウェアで快適に動作しながら、モデルの品質を過度に損なわないバージョンについて、アドバイスを求めています。
テックブロガーの見解
誰かがMicrosoftの最高の3D AIをNVIDIA牢獄から解放した — MacBookが3Dモデリング怪物に進化する
MicrosoftのTRELLIS.2は画像を3Dモデルに変換できるんだけど、5個のCUDAライブラリに閉じ込められてて、Windows＋NVIDIA限定だった。ある天才が数週間かけてそれぜんぶ一から書き直して、Apple Siliconで動くようにしちゃったんだよ。PyTorchだけの疎な3D畳み込み、空間ハッシング使ったカスタムメッシュ抽出、CUDAいらないGPU高速注意機構 — 全部だよ。これはただのポートじゃなくて、3D AIの作り方を完全に再考したやつ。1人がMicrosoftのCUDAスタック全部逆算して置き換えられたってことは、このハードウェア制限がどんだけ人工的かってことを証明してるんだよ。M1 MacBook Proが先月5000ドルのワークステーション必要だった処理を今月からやり始める。
Action
馬上試用最先端の画像→3D AI実行するのに3000ドル以上のNVIDIA高級ワークステーション必須
MacBook ProのApple Siliconで写真から直接3Dモデル生成できる
AI分析
3Dコンテンツ制作
high今すぐMacでTRELLIS.2をテストしてみて — これ、3Dモデリングパイプライン全部置き換わる可能性あるよ
誰かがMicrosoftの最先端の画像→3D技術をノートパソコンで動かすために、CUDAライブラリ5個丸ごと書き直したんだよ
3000ドルのNVIDIA高級ワークステーション買わなくても、MacBook Proでスケッチを3Dモデルに変換できるようになった
ゲーム開発
highこのポートをダウンロードして、コンセプトアートから3Dアセットのプロトタイピング始めてみて — アセットパイプライン革命起きるかも
Macデベロッパーと最先端のAI 3D生成の間にあった技術的な壁が、一夜にして消えた
インディーゲームスタジオが高い機材買ったりWindowsに乗り換えたりしなくても、3Dモデル生成できるようになった
職種への影響分析
3Dアーティスト
役割変化画像→3D生成が普通のMacハードウェアでアクセス可能になって、高度な3D制作ツールが民主化された
今からこのワークフロー学んどいて — クライアントが参考画像から基本モデル生成できるの知ったら、納期短縮期待されるようになるよ
インディーゲームデベロッパー
チャンスMacデベロッパーがNVIDIA GPU買わなくてもMicrosoftの最先端3D生成にアクセスできるようになった
これをアセットパイプラインに組み込んでみて — プロトタイピング速くなるし、モデリング費用浮いた分をポーランドに使える
AI研究者
チャンス複雑なCUDA操作をPyTorchだけで置き換えられることが証明されて、研究がもっとアクセス可能になった
このポートのアーキテクチャ研究してみて — GPU依存の研究を誰でも使える形にする方法の教科書だよ