近日，开发者 bring-shrubbery 在 GitHub 上发布了一个名为 ml-sharp-web 的开源项目，成功将 Apple 的 SHARP 模型（单张图像生成高斯泼溅）移植到了浏览器环境中。该项目基于 ONNX Runtime Web，用户无需安装复杂的深度学习环境，只需通过浏览器即可完成从图像上传到高斯泼溅生成、预览和下载的全流程。

SHARP 是 Apple 发布的一种新型 3D 生成模型，能够从单张 RGB 图像直接生成高质量的高斯泼溅（Gaussian Splats）表示。传统的高斯泼溅生成通常需要多视角图像或训练专用模型，而 SHARP 通过单张图像即可完成，显著降低了 3D 内容创作的门槛。ml-sharp-web 项目在此基础上进一步简化了使用流程，将模型推理全部封装在浏览器前端。

该项目的核心原理是将 SHARP 的 PyTorch 模型导出为 ONNX 格式，然后利用 ONNX Runtime Web 在浏览器中执行推理。由于 SHARP 模型权重较大（约 2.4GB），ONNX 导出会生成两个文件：sharp_web_predictor.onnx（图结构）和 sharp_web_predictor.onnx.data（权重数据）。这两个文件必须放在同一目录下，浏览器通过 Web Worker 异步加载并执行推理。

使用方式非常直观：用户只需安装 Bun 运行时（一种快速 JavaScript 包管理器），然后执行 bun install 和 bun dev 启动开发服务器。在浏览器中打开本地地址后，上传一张图片，点击“Generate Splat”按钮，系统便会自动运行 SHARP 模型，生成高斯泼溅并在页面中提供 3D 预览。用户还可以将结果下载为标准的 .ply 文件，方便在其他 3D 软件或渲染器中使用。

项目的技术栈包括 React + TypeScript 构建的前端界面、ONNX Runtime Web 的 Web Worker 用于模型推理、以及浏览器端的高斯泼溅后处理和 PLY 写入器。后处理部分负责将 SHARP 输出的 NDC（规范化设备坐标）转换为度量空间的高斯参数，最终生成可渲染的 3D 点云。

值得注意的是，Apple 的 SHARP 仓库对代码和模型权重采用了不同的许可证。代码部分使用宽松的许可证，而模型权重（checkpoint）则带有研究用途限制。ml-sharp-web 项目默认使用作者托管的 ONNX 模型文件，用户也可以自行从 Apple 的原始仓库下载 checkpoint 并使用项目提供的导出脚本将其转换为 ONNX 格式。导出脚本支持 GPU 加速（通过 --device cuda 参数）和自定义 opset 版本。

对于希望部署静态站点的用户，项目也提供了构建命令：bun run build 会将所有文件（包括模型文件）打包到 dist/ 目录中，然后通过 bun run preview 预览。由于模型文件较大，构建输出会包含约 2.4GB 的权重数据，部署时需注意服务器磁盘空间和带宽。

ml-sharp-web 项目展示了 ONNX Runtime Web 在 3D 生成领域的潜力。通过将大模型推理完全迁移到浏览器端，用户无需安装任何深度学习框架或 GPU 驱动，即可体验前沿的 3D 生成技术。这对于教育、设计原型、快速可视化等场景具有实用价值。未来，随着 WebGPU 和 WASM 技术的成熟，浏览器端运行更大规模的 3D 生成模型将成为可能。