12月18日，在空间计算与生成式AI交汇的浪潮中，苹果公司再次投下重磅技术。近日，苹果开源了一款名为SHARP（Sharp Monocular View Synthesis in Less Than a Second）的AI模型，该模型能够仅凭一张普通的2D照片，在不到一秒钟内生成具有真实物理尺度的高质量3D场景，为AR/VR、移动端内容创作乃至未来“空间互联网”应用打开了新的大门。
从“图像”到“空间”：技术原理揭秘
SHARP的核心在于其对3D高斯泼溅（3D Gaussian Splatting）技术的创新性应用。传统3D重建往往依赖数十乃至上百张多视角图像，并通过耗时数分钟至数小时的优化过程来恢复场景几何。而SHARP通过在海量合成与真实数据上进行预训练，让神经网络掌握了通用的深度和几何先验知识。
当用户输入一张新照片时，SHARP仅需一次神经网络前向传播，即可直接预测出超过百万个3D高斯球（即带有颜色、位置、协方差等属性的“光团”）的参数，从而瞬间构建出可交互的3D表示。这一过程在标准GPU上耗时不足一秒，相较传统方法提速三个数量级。
质量与效率双突破
在追求速度的同时，SHARP并未牺牲视觉保真度。根据其官方论文《一秒内实现清晰的单目视图合成》（Sharp Monocular View Synthesis in Less Than a Second），该模型在多个公开基准测试中大幅领先现有方法：
LPIPS（感知图像相似度）指标降低25%至34%；
DISTS（纹理结构相似度）指标降低21%至43%。
这意味着SHARP生成的3D视图不仅结构准确、纹理锐利，还能支持真实相机运动模拟，为用户提供沉浸式的6自由度（6DoF）体验。
理性边界：不“脑补”盲区
值得注意的是，SHARP遵循“所见即所建”的原则。为确保物理合理性与生成稳定性，模型不会凭空生成照片中完全被遮挡的区域，其有效视角被限定在原始拍摄位置的邻近范围内。这一设计虽限制了全局重建能力，却极大提升了结果的真实性和计算效率，特别适合移动端AR、空间照片浏览等近视角应用场景。
开源赋能，加速生态演进
目前，苹果已将SHARP的完整代码、预训练模型及使用文档开源至GitHub平台，供全球开发者与研究者免费使用和二次开发。此举被视为苹果在空间计算领域“软硬协同”战略的重要一环，有望显著推动轻量化3D内容生成、AR眼镜应用、虚拟试穿/试住等消费级场景的普及。
在SHARP之外，苹果近期还发布了Depth Pro等系列单目深度估计模型，显示出其在单图3D理解方向的系统性布局。随着这些技术的成熟与融合，未来用户或将仅凭手机随手一拍，即可进入一个可探索、可交互的3D数字世界——而这一切，只需一秒钟。
论文：https://arxiv.org/abs/2512.10685