img2threejs

能用来干嘛

安装到 Claude Code / Codex / OpenCode 后，上传一张物体照片（枪械、刀具、耳机、自行车等硬表面物体），AI 会按照分层雕塑 pipeline 自动重建：blockout（粗略方块）→ structure（结构）→ form（形状细化）→ material（材质）→ lighting（光照）→ interaction（可交互）→ optimization（优化）。每一层都截图跟原图对比，视觉打分通过才进下一层。最终输出一个带 pivot / socket / collider 的 THREE.Group 工厂函数，可直接在浏览器里运行。

核心思路：代码即模型

不同于传统 image-to-3D（NeRF / photogrammetry / 3D Gaussian Splatting 输出 mesh 文件），img2threejs 让 LLM 直接写 TypeScript 代码重建物体。Python 脚本处理所有机械工作（验证、JSON 检查、PBR 提取、对比图打包），模型 token 只花在视觉判断和写代码上。纯 stdlib 实现零依赖，不需要 pip / PIL / numpy。

适合收藏的原因

• Token 效率优先：脚本处理机械工作，模型只做视觉判断和写代码，每轮只生成当前 pass 的代码
• 严格质量门控：--strict-quality 在 spec 太浅时直接阻止生成代码；几何 IoU / 比例 / 对称性有硬性阈值
• 诚实标注局限：单张图看不到背面 → 明确报告哪些区域是推断的，单图不能保证 100% 还原
• 输出可 diff：TypeScript + JSON spec，版本可控，不是几十 MB 的 mesh 二进制
• Agent 无关：Claude Code / Codex / OpenCode 都能用，只需视觉能力

快速上手

# 安装到 skills 目录
git clone https://github.com/img2threejs/img2threejs.git ~/.claude/skills/img2threejs

# 在 Claude Code 里上传图片并调用
/img2threejs Rebuild this object as a Three.js model

分类标签