本文介绍了一种大规模重建模型（LRM），该模型能够在5秒内从单个图像预测3D模型。LRM基于transformer架构，拥有5亿个参数，能够直接预测神经辐射场（NeRF）。通过在约100万个对象的多视图数据上训练，模型展现出强大的通用性，生成高质量的3D重建结果。此外，提出的多视角大型重建模型（M-LRM）和Human-LRM模型进一步提升了重建质量和适应性，尤其在复杂场景中表现优异。