opensourcehackernews2026년 4월 20일 오전 12:07

Show HN: Apple Silicon에서 TRELLIS.2 이미지-3D 생성 네이티브 실행

Show HN: Run TRELLIS.2 Image-to-3D generation natively on Apple Silicon

마이크로소프트의 TRELLIS.2(40억 파라미터 이미지-3D 모델)를 PyTorch MPS를 통해 Apple Silicon에서 네이티브로 실행하도록 포팅했습니다. 원본은 CUDA, flash_attn, nvdiffrast, 커스텀 희소 합성곱 커널이 필요한데 Mac에서는 작동하지 않습니다. CUDA 특화 연산을 순수 PyTorch 대안으로 교체했습니다. 구체적으로는 gather-scatter 희소 3D 합성곱, 희소 Transformer용 SDPA 어텐션, CUDA 해시맵 연산을 대체하는 Python 기반 메시 추출입니다. 총 9개 파일에서 수백 줄의 변경사항이 있습니다.

테크 블로거 관점

누군가 Microsoft의 40억 파라미터 3D AI를 MacBook에서 돌리는 코드를 깨뜨렸어. 이건 진짜 미쳤다.

Microsoft가 TRELLIS.2를 내놨는데 — 사진을 3D 객체로 변환하는 괴물 같은 모델이야 — 근데 NVIDIA GPU에만 묶여있었어. Flash attention, 커스텀 sparse convolution, CUDA hashmap — 다 있었어. 그럼 Show HN에 어떤 천재가 나타나서 '내 커피 한 잔만 기다려' 하고 이 전체 모델을 Apple Silicon에서 돌리도록 포팅했어. 겨우 몇백 줄의 코드로 CUDA 전용 연산을 순수 PyTorch 대안으로 바꿨어. 미친 건 이게 진짜 작동한다는 거야. M3 MacBook Pro에서 40억 파라미터 이미지-투-3D 모델을 돌릴 수 있어. 클라우드 없이, NVIDIA 세금 없이, GPU 대기열에 서 있을 필요 없이. 이게 바로 산업 전체를 밤새 뒤바꿀 수 있는 종류의 민주화야.

결론M-series Mac이 있으면 지금 바로 이 저장소를 클론해서 노트북이 사진을 3D 모델로 변환하는 거 봐 — 미래가 이제 휴대용이 됐어.

9/10

Action

馬上試用

https://github.com/microsoft/TRELLIS

Open SourceMacPython

1Show HN 포스트에서 Apple Silicon 포팅 저장소를 클론해

2M-series Mac에 MPS 지원이 포함된 PyTorch를 설치해

3테스트 사진으로 이미지-투-3D 생성 스크립트를 실행해

Before

Needing expensive NVIDIA GPUs and cloud services to generate 3D models from photos

After

Running 4B-parameter 3D generation locally on your MacBook Pro in minutes

AI 분석

3D 콘텐츠 제작

high

필요한 조치

지금 바로 M-series Mac에서 이거 다운로드해서 테스트해봐 — 이게 컨셉 작업용 3D 모델링 파이프라인 전체를 대체할 수 있어

핵심 인사이트

40억 개 파라미터 모델이 사진을 3D 객체로 변환하는데, 이제 1만 달러짜리 GPU 장비가 아니라 노트북에서 돌아

왜 중요한가

렌더팜에서 며칠을 기다릴 필요 없이 클라이언트 미팅 중에 3D 에셋을 프로토타입할 수 있어

게임 개발

high

필요한 조치

빠른 프로토타이핑용으로 이거 테스트해봐 — 컨셉 아트를 몇 분 안에 플레이 가능한 3D 에셋으로 변환하는 거 상상해봐

핵심 인사이트

AI 3D 생성을 NVIDIA 카드에만 묶어두던 기술적 장벽이 순수 PyTorch 대안으로 완전히 무너졌어

왜 중요한가

인디 게임 스튜디오가 이제 MacBook만으로 AAA급 에셋 파이프라인과 경쟁할 수 있어

직무 영향 분석

3D 아티스트

역할 변화

영향 원인

Microsoft의 TRELLIS.2가 사진에서 3D 모델을 생성할 수 있고, 이제 너가 이미 가지고 있는 MacBook Pro에서 돌아

대응 전략

컨셉 작업용으로 이거 실험해봐 — 너의 스킬을 대체하진 않겠지만 반복 작업 속도를 10배로 올려줄 거야

iOS 개발자

기회

영향 원인

Apple Silicon 최적화 덕분에 클라우드 의존 없이 AR 앱용 3D 콘텐츠를 로컬에서 생성할 수 있어

대응 전략

이 저장소를 포크해서 3D 생성을 ARKit 워크플로우에 직접 통합하는 거 탐색해봐

원문 보기 →

키워드

image-to-3Dmodel portingApple SiliconMPSCUDA alternativesparse convolutionmesh extraction

용어 해설

TRELLIS.2（TRELLIS.2模型）: Microsoft의 40억 파라미터 AI 모델로 2D 이미지에서 3D 객체를 생성해. 원래는 비싼 NVIDIA GPU가 필요했는데 이제 Apple Silicon에서 돌아.
PyTorch MPS（PyTorch金屬性能著色器）: PyTorch의 Apple Metal Performance Shaders 백엔드로 AI 모델이 Apple Silicon 칩에서 효율적으로 돌게 해. 이 CUDA-투-Mac 포팅의 핵심 기술이야.
Sparse Convolution（稀疏卷積）: 0이 아닌 값만 처리하는 메모리 효율적인 신경망 연산이야. 3D 생성에 중요한데 원래는 CUDA 전용 코드였는데 이 포팅에서 순수 PyTorch로 바꿨어.
Flash Attention（快閃注意力機制）: 보통 CUDA가 필요한 메모리 효율적인 어텐션 메커니즘인데, 이 포팅에서 PyTorch의 SDPA 어텐션으로 바꿔서 3D 생성 모델이 Mac에서 작동하게 했어.