How-to

Mac（Metal）だけで、動画→3D Gaussian Splatting

2026 · Apple M1 Max / macOS · 所要 30〜60分/本 · 追加費用ゼロ

CUDAの付いたNVIDIA GPUが無くても、Macだけで動画をガウシアン・スプラット（3DGS）にできます。実際にM1 Maxで動かし、詰まった箇所と直し方まで残します。

TL;DR

ffmpegでフレーム化 → COLMAPでカメラ位置推定 → Brush（Rust/wgpu, Metal対応）で学習 → .ply。量産だけクラウドのCUDAへ逃がす。ローカルは無料。

使うもの

ffmpeg — 動画からフレーム抽出（brew install ffmpeg）
COLMAP — Structure-from-Motionでカメラ位置を復元（brew install colmap／MacはCUDA無し＝CPU）
Brush — Metalで動く3DGS学習器。gsplatやNerfstudioはCUDA前提でMPS非対応なので、ローカルはこれ一択（ArthurBrussee/brush、Rustで cargo build --release -p brush-cli）
splat-transform — .plyを軽量.spzへ／プレビュー生成（npx @playcanvas/splat-transform）

流れ

動画 → [ffmpeg] フレーム → [COLMAP] SfM(カメラ位置) → 歪み補正
     → [Brush] 3DGS学習(Metal) → .ply → [splat-transform] .spz / 公開

実際に詰まった3つ（ここが本題）

1. COLMAP 4.x でGPUフラグが改名されている

ネット上の手順は古い名前のことが多いです。COLMAP 4系では次のように変わっています。

旧	新（4.x）
--SiftExtraction.use_gpu	--FeatureExtraction.use_gpu
--SiftMatching.use_gpu	--FeatureMatching.use_gpu

2. Mac版COLMAPの既定マッチャがSIGSEGVで落ちる

CUDA無しでビルドされたHomebrewのCOLMAPは、既定のマッチング経路が落ちます（十分な特徴点があっても）。CPUブルートフォースを明示すると通ります。

colmap sequential_matcher --database_path db.db \
  --FeatureMatching.use_gpu 0 --SiftMatching.cpu_brute_force_matcher 1

3. COLMAPは“断片モデル”に分割することがある

sparse/0が必ずしも最大とは限りません。登録画像数が最多のモデル（＝images.binが最大）を選ぶようにします。

BEST=$(for d in sparse/*/; do [ -f "$d/images.bin" ] && \
  echo "$(stat -f%z "$d/images.bin") $d"; done | sort -rn | head -1 | awk '{print $2}')

じつは“撮り方”が9割

公開映像を5本試して 成功3・失敗2。差はコードでなく素材でした。

素材	結果	要因
砂漠地形（日中）	✅ 41/41	静止・順光・高テクスチャ・視差
石塔（順光・周回）	✅ 32/32	近景の立体物＋強い視差
岩稜（日中）	✅ 42/42	同上
記念像（逆光・ビル街）	✗	遠景で視差不足・反復パターン・逆光
海の岩塔（夕日）	✗	波が動く（非剛体）・逆光・空/海が大半

合言葉は「静止・順光・高テクスチャ・視差」。避けるのは、動く水・逆光/夕日・遠景・反復する人工物（ガラス張りビル）・無地/鏡面。周回（オービット）素材はexhaustive_matcherが安定します。

手順（コマンドの骨子）

# 1) フレーム抽出（4K素材は縮小しておくとCOLMAPが速い）
mkdir -p frames
ffmpeg -i in.mp4 -vf "fps=3,scale='min(iw,1152)':-2" -q:v 2 frames/%04d.jpg

# 2) 特徴抽出（CPU）
colmap feature_extractor --database_path db.db --image_path frames \
  --ImageReader.single_camera 1 --ImageReader.camera_model OPENCV \
  --FeatureExtraction.use_gpu 0

# 3) マッチング（Mac対策のCPUブルートフォース。周回はexhaustive）
colmap sequential_matcher --database_path db.db \
  --FeatureMatching.use_gpu 0 --SiftMatching.cpu_brute_force_matcher 1

# 4) 再構成 → 歪み補正
colmap mapper --database_path db.db --image_path frames --output_path sparse
colmap image_undistorter --image_path frames --input_path sparse/0 \
  --output_path dataset --output_type COLMAP

# 5) Brushで学習 → .ply（絶対パスで出力先を指定するのが安全）
brush-cli dataset --total-train-iters 30000 --max-resolution 1600 \
  --export-every 30000 --export-path "$PWD/out/" --export-name "scene_{iter}.ply"

結果

M1 Maxで、学習は7,000stepなら約5分、30,000stepでも十数分。3点の作例はこちら（ブラウザで歩けます）。

作例	登録	スプラット	誤差
浸食地形	41/41	531,840	0.28px
岩稜	42/42	306,477	0.24px
石塔	32/32	198,243	0.32px

軽量化して公開

生の.plyは数十〜百MB。.spzにすると約1/10（例：115MB→11MB）。そのまま SuperSplat にドラッグで表示・公開できます。

npx @playcanvas/splat-transform out/scene_30000.ply -N scene.spz
# .html（自己完結ビューア）や .webp（プレビュー）も出力可

注意

Sketchfabは2026年時点で3DGSをスプラットとしてネイティブ描画しません（点群表示になる）。露出はSuperSplat / Luma埋め込みを使います。

量産はクラウドCUDAへ

ローカルは少量向き。数を作るなら NerfstudioのsplatfactoをクラウドのRTX4090で回します。前処理込みで1シーン30〜50分、概ね $0.17〜0.30。月30本でも数百〜千円台。中断あり価格（Vast.ai）はチェックポイント再開前提で。

素材のライセンス（これが一番大事）

「公開されている」＝「使える」ではありません。3DGS化は二次的著作物なので、元映像に再利用ライセンスが要ります。

OK：CC0 / パブリックドメイン / CC-BY（要・出典明記）/ 明示許諾。Wikimedia Commons、Internet Archive、PLATEAU などのオープンデータ。
NG：YouTubeの一般公開動画（公開でも著作権は残る）、権利不明素材。
被写体（彫刻・意匠）・施設管理権・写り込む人物にも配慮。作例ごとに出典とライセンスを必ず明記。

— 手を動かした記録として。質問や「この場所を見たい」があればこちらへ。

← UTSUSHI トップへ