英伟达Lyra 2.0发布 单张照片生成90米3D场景

仅凭一张静态照片，就能创造出一个可供自由探索的广阔3D世界？这听起来如同科幻场景，但英伟达的研究团队正将其变为现实。据科技媒体The Decoder报道，其最新发布的Lyra 2.0系统，实现了仅从单张输入照片即可构建出跨度长达90米的连贯3D环境，精准攻克了当前AI在长距离场景生成中的核心难题。

那么，这一核心难题究竟是什么？简而言之，可概括为“远行即失真，回溯则遗忘”。目前许多3D生成模型在虚拟摄像机进行长距离移动后，常出现色彩偏差与结构变形。更棘手的是，当摄像机返回已探索区域时，模型往往无法保持场景一致性，仿佛“忘记”了先前构造的内容，导致画面前后矛盾。

为了大幅提升机器人仿真训练的真实性与效率，英伟达团队聚焦于两大挑战：一是解决视频模型“视野之外即丢失”的记忆短板，二是抑制生成过程中误差逐步累积所引发的严重画面畸变。他们的答案便是Lyra 2.0——一个仅需单张照片即可实时生成并支持自由漫游的3D场景系统。

Lyra 2.0的卓越性能源于其创新的“记忆存储”与“误差校正”双机制。针对记忆问题，系统会持续存储每一帧的3D几何数据。当摄像机重返旧地时，可直接调用这些历史空间信息作为生成依据，确保了场景的时空一致性，避免了重复生成。面对误差累积的顽疾，研究团队在模型训练阶段引入了关键策略：让模型反复接触并学习其自身有缺陷的输出，从而训练其主动识别并修正质量下降的部分，有效阻断了错误的传递链条。

实际效果如何？权威基准测试提供了有力证明。在与GEN3C、Yume-1.5、CaM等六种前沿技术的对比中，Lyra 2.0在图像质量、风格一致性及摄像机控制精度等几乎所有关键指标上均占据领先。其“Fast”版本表现尤为突出，在维持相近生成质量的同时，将视频生成速度提升了约13倍，这为实时交互与沉浸式应用铺平了道路。

这项突破意味着什么？首先，它支持真正的交互式3D场景探索，带来深度沉浸的用户体验。其次，生成的场景可导出为通用网格格式，无缝接入如Nvidia Isaac Sim等物理仿真引擎。一个清晰的应用前景由此展开：未来训练机器人或自动驾驶系统，可能无需耗费高昂成本采集海量真实世界3D数据；利用Lyra 2.0生成的、无限多样的高保真虚拟环境，即可完成高效、安全且可扩展的仿真训练。从一张照片到一个世界，3D内容创作与数字孪生的范式，正在被重新定义。