{"id":271498,"date":"2025-12-18T14:48:20","date_gmt":"2025-12-18T13:48:20","guid":{"rendered":"https:\/\/www.ifun.de\/?p=271498"},"modified":"2025-12-18T14:49:05","modified_gmt":"2025-12-18T13:49:05","slug":"apple-sharp-offenes-ki-modell-erstellt-3d-landschaften-aus-fotos","status":"publish","type":"post","link":"https:\/\/www.ifun.de\/apple-sharp-offenes-ki-modell-erstellt-3d-landschaften-aus-fotos-271498\/","title":{"rendered":"Apple Sharp: Offenes KI-Modell erstellt 3D-Landschaften aus Fotos"},"content":{"rendered":"

Apple hat ein neues, quelloffenes KI-Modell vorgestellt, das aus einem einzelnen zweidimensionalen Foto eine dreidimensionale Szene erzeugen kann. Der Ansatz mit dem Namen SHARP<\/a> berechnet in weniger als einer Sekunde eine r\u00e4umliche Darstellung, die sich anschlie\u00dfend auch aus leicht ver\u00e4nderten Blickwinkeln realistisch anzeigen l\u00e4sst.<\/p>\n

Apple beschreibt das Verfahren in einer begleitenden Forschungsarbeit<\/a> und stellt den Quellcode \u00f6ffentlich zur Verf\u00fcgung.<\/p>\n

SHARP macht Bilder zu 3D-Szenen<\/h2>\n

Im Kern sch\u00e4tzt SHARP aus einem einzelnen Foto eine dreidimensionale Repr\u00e4sentation der dargestellten Umgebung. Daf\u00fcr nutzt das Modell eine interne Beschreibung aus sehr vielen sogenannten 3D-Gaussians. Dabei handelt es sich um kleine Volumenelemente, die Farbe, Helligkeit und Position im Raum tragen. In ihrer Gesamtheit bilden sie eine Szene nach, die aus benachbarten Perspektiven neu gerendert werden kann.<\/p>\n

Im Unterschied zu bisherigen Verfahren ben\u00f6tigt SHARP keine Vielzahl von Aufnahmen aus unterschiedlichen Blickwinkeln. Stattdessen berechnet ein neuronales Netz in einem einzigen Rechenschritt die r\u00e4umliche Struktur. Grundlage daf\u00fcr ist ein Training mit gro\u00dfen Mengen synthetischer und realer Bilddaten. Dadurch lernt das Modell typische Tiefenverh\u00e4ltnisse und geometrische Zusammenh\u00e4nge, die es auf neue Fotos \u00fcbertr\u00e4gt.<\/p>\n

Die erzeugte Szene ist ma\u00dfstabsgetreu, sodass Abst\u00e4nde und Kamerabewegungen konsistent bleiben. Die Berechnung erfolgt schnell genug, um eine direkte Darstellung ohne aufwendige Nachbearbeitung zu erm\u00f6glichen.<\/p>\n

<\/p>\n
\n

Sharp Monocular View Synthesis in Less Than a Second<\/p>\n

Monocular Video \u2192 4DGS
Per-frame Gaussian splats generated from monocular video, visualized in the SuperSplat Editor.
SHARP project page: https:\/\/t.co\/Ny3FNLMlUB<\/a>#AppleML<\/a> #PlayCanvas<\/a> #SHARP<\/a> #GaussianSplatting<\/a> pic.twitter.com\/QwHHqDWXcU<\/a><\/p>\n

— VisualitoXr (@VisualitoXr) December 17, 2025<\/a><\/p><\/blockquote>\n

<\/center>