一幅圖5分鐘變3D空間？開源項目Image Blaster：Claude加持，重塑3D製作生產線

By Layne Wong on 06 Oct 2026

在生成式 AI 快速由 2D 影像向 3D 空間計算（Spatial AI）推進的浪潮中，如何將一張靜態概念圖高效轉化為具備互動能力的 3D 資產，成為遊戲開發、虛擬製作與空間運算領域的核心課題。GitHub 開源項目 image-blaster 提供了一個突破性的工程解法：透過 Claude Agent 的技能調度，結合 World Labs 空間模型與 FAL 算力 API，能在 5 分鐘內將單張 2D 參考圖拆解並重構成包含 3D 幾何網格（Meshes）、物理碰撞體（Mesh Colliders）、PBR 材質與環境音效的完整 3D 空間環境。

核心工程邏輯：Claude Agent 統籌的多模型解耦管線

image-blaster 的核心並非單一 3D 模型，而是一套由 Claude Skills 驅動的自動化模型調度管線（Agentic Workflow）。在傳統 3D 生成中，單一模型往往難以同時兼顧「高精度的獨立物體建模」與「具備真實空間感的大場景重建」。image-blaster 採用了「物體與場景解耦」的策略，將輸入的 2D 圖片作為「載體（Harness）」，引導 AI 進行自動拆件與空間分層處理。透過這種將物件與靜態空間獨立處理的機制，系統既能保障前景物體的獨立可編輯性，又能構建出具備深度資訊的完整房間環境。

image-blaster 將繁瑣的 3D 預視（Pre-visualization）工序收攏至單一自動化循環中，其具體運作流程分為四大步驟：

1. 智能物體識別與 PBR 幾何網格生成

系統首先由 Claude Agent 解析輸入的 2D 參考圖（無論是真實拍攝相片或 AI 生成的室內概念圖），自動識別並推薦畫面中適合獨立為 3D 模型（Meshes）的物體清單。使用者確認清單後，Claude 會為每個物體單獨生成對應的單體圖像，並發送至 FAL 平台調用 3D 生成模型，直接輸出帶有 PBR（物理渲染）材質的 .glb 格式 3D 模型。

2. 圖像修補（Inpainting）與靜態背景分離

在抽取獨立物體後，管線會將這些物件從原始參考圖中完美抹除（Inpaint），還原出一張乾淨、無物體遮擋的靜態空間背景圖。

3. World Labs 空間重建與碰撞體計算

這張乾淨的背景圖隨後被發送至 World Labs 的空間模型，自動生成靜態高斯濺射場景（Gaussian Splats）、全景環境圖（Panoramic Environment Map），以及供物理引擎進行碰撞檢測的實體網格碰撞體（Mesh Colliders）。

4. 多模態音效與光影數據打包

除了幾何與空間資訊外，系統還會為獨立物件匹配專屬音效（Object SFX），生成背景環境音（Ambient Sound Effects）以及基礎光影資訊，最終完成全套資產的自動化打包。

解構黑盒：原生檔案導出與 Blender / Unreal Engine 的跨平台協作

不同於許多僅提供網頁端封閉預覽的 AI 工具，image-blaster 產出的全是在本地電腦運行的標準原生檔案（Raw Files）。開發者可以將生成的 GLB 模型、Gaussian Splat 檔案、音效與碰撞體直接匯入 Blender、Unreal Engine 或 Unity 等主流 3D 創作工具中進行二次編輯、複製與操縱。

此外，由於該項目完全開源，開發者能夠將其對接至 Blender MCP（Model Context Protocol）伺服器，進一步擴充管線自動化能力，實現讓 Agent 在 3D 軟件內自動排版與構建場景的願景。

產業影響：3D 前期開發與資產構建的結構性重塑

在傳統的遊戲開發與虛擬製作（Virtual Production）管線中，從 2D 概念圖到完成 3D 預視、物體拆件、起模與實體碰撞體（Colliders）設定，通常需要跨領域團隊數天甚至數週的協作。image-blaster 將這套複雜的工程壓縮至 5 分鐘以內。

這意味著 3D 美術團隊的精力分配將發生結構性變化：高重複性的基礎建模與空間白模搭建可交由 Agent 管線自動化執行，創作者能將更多資源集中於後期的美術風格調校、燈光烘焙與細節雕琢上。image-blaster 的開源實踐，為未來 Spatial AI 與 3D 自動化生產線提供了一份極具參考價值的工程範本。