Mira-Scene
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Mira-Scene est un framework de reconstruction de scène 3D publié en septembre 2026 par VAST (l'équipe derrière TripoSG) avec l'université de Hong Kong. À partir d'une seule photo, il sépare chaque objet, estime la profondeur, génère le maillage de chaque objet puis le replace dans la scène à la bonne position et à la bonne échelle, avec une carte d'environnement pour l'éclairage. Le résultat est une scène éditable objet par objet, et non un bloc 3D figé. Son apport technique porte sur le placement des objets, le point faible des méthodes compositionnelles. Au lieu de prédire une pose par objet, le modèle génère pour chaque pixel visible une coordonnée dans l'espace propre de l'objet, puis aligne ces correspondances sur la profondeur estimée pour retrouver position, orientation et échelle. Les auteurs annoncent un gain relatif de 39,8 % en 3D-IoU et de 16,5 % en 2D-IoU face à SAM3D, avec des données d'entraînement ouvertes limitées. Code, jeux de données et poids (pré-entraînement et final) sont publiés sous licence MIT sur GitHub et Hugging Face. C'est un pipeline de recherche en plusieurs étapes, pas une application prête à l'emploi : il faut un GPU NVIDIA et une installation Python, et l'éditeur ne publie pas de besoin mémoire chiffré. Le visualiseur web fourni écoute sur toutes les interfaces sans authentification : à ne pas exposer sur un réseau non maîtrisé. Pour une pièce, un décor ou une scène de jeu, c'est une brique intéressante ; pour un objet isolé à imprimer, un générateur objet par objet comme TRELLIS.2 reste plus direct.
Profil de compétences
Non communiqué
Forces
- Dispose d'un tier gratuit
- Open-source et auto-hébergeable
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Reconstituer une pièce ou un décor en 3D depuis une photo
- Préparer des scènes pour la visualisation d'architecture ou le jeu vidéo
- Recherche en reconstruction 3D compositionnelle
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/mira-scene)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
2/8 documentées · 1/8 sources primaires
Faire tourner en local
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve Yang-Tian/Mira-Scene \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |