加载失败
Apple 在其 GitHub 发布 ml-sharp（论文名 SHARP：Sharp Monocular View Synthesis in Less Than a Second，arXiv 链接），展示从单张 2D 照片次秒级生成可移动的 3D 视图。仓库代码以 Apple MIT 许可证发布但模型权重附带“Research Purposes”（仅限研究）限制，因而引发关于“open source”定义、权重是否可版权化以及企业是否在用模糊术语保留商业选项的讨论。技术上该方法基于 Gaussian splatting（高斯斑点渲染）与双焦层架构，优势在速度但存在分辨率、视角泛化和视频时序一致性等限制；它已在 iOS 26 的 Spatial Scenes（iOS 的空间照片功能）、Vision Pro 与若干 Hugging Face demo/实现中出现。评论还把讨论扩展到训练数据合规、研究人才国际流动与潜在被国外厂商快速复刻的产业与地缘政治风险。
讨论集中在发布的许可证与实际可用性上：仓库代码以 "Apple MIT" 许可证发布，但模型权重被单独配以“Research Purposes”（仅限研究）限制，很多评论认为这更像是 source-available 而非符合 OSI 标准的 open source。评论里有人引用 OSI 的开放源码定义指出禁止按用途（fields of endeavor）限制使用，因此把权重禁商用等同于误用“开源”术语；也有评论强调许可证更多是企业为规避潜在版权与合规诉讼而设置的信号，实际可执行性还受法律与诉讼风险驱动。社区因此提出更精确的命名（如 "open weights"、"source-available"）来区分仅放代码、仅放权重或同时放训练数据且允许商用的差异，并警惕大厂用模糊术语获取学术声誉同时保留商业选项。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
技术讨论聚焦于 SHARP/ml-sharp 使用的 Gaussian splatting（高斯斑点渲染）和双焦层架构，以及它能在 "少于一秒" 完成单张图像的视图合成这一点。许多评论赞赏它的速度与在 iOS 26 Spatial Scenes、Vision Pro、Hugging Face demo 中的实际效果，但同时指出明显局限：渲染被限制在约 768px、两层架构导致视角泛化有限、只有单轴推断且非度量尺度，较大平移会出现洞或变形，因此不能等同于完整的 6DOF 重建。社区还讨论了工程实现细节与加速方案（如 MPS fork、ONNX/PyTorch 格式、Hugging Face 部署），并把潜在应用列为旧照片空间化、影视前期预览、房产导览等，同时指出视频与时序一致性的延展仍需更多计算和算法工作。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
评论涉及模型训练数据的版权疑虑与商业/地缘后果：有人认为 Apple 对权重施加研究限定部分是为了减少因训练集包含有争议素材而引发的法律风险和公司责任。另一类观点担心将限制权重商业化并不会阻止国外厂商快速复刻并商业化此类成果，评论中有人预测国内大厂（如以 Hunyuan 为代表）会较快推出竞品；同时有关于科研人才国际流动的背景讨论，解释了为何很多顶级论文作者并非在美国本土培养。关于法律层面，评论也讨论了法院对“训练是否属于 fair use” 的动向：即便训练被认定为 fair use，模型输出在特定情形下仍可能构成侵权，从而使得模型的许可与使用权问题更复杂。
大量评论在词义上争辩：在 ML 场景下 "source" 到底指什么？许多人认为模型不像传统软件那样有明确的可编译源码——其“源”由训练数据、训练流程与长时间的计算组成，因此直接套用软件领域的开源定义会引发误解。有人援引 OSI 的 Open Source Definition（反对按用途歧视）来反驳把带商用限制的发布称为开源，也有人坚持更宽泛的“源可见（source-available）”概念或使用“open weights”来描述只放权重但不放训练数据或商用许可的情形。对这些术语的分歧推动了社区呼吁更精确的分类与命名标准，以便在发布时传达真实的可用权限和风险边界。
weights（模型权重）: 训练后得到的参数数组或数值表，表示神经网络内部的映射。社区就权重是否可受版权保护、权重分发的法律效力以及仅发布权重而不放训练数据能否算“开源”展开大量讨论。
Gaussian splatting / splats（高斯斑点渲染）: 一种用大量带协方差的高斯核点（splats）表示并渲染场景的视图合成方法，特点是推理速度快但在细节、视角泛化与大位移上存在局限。ml-sharp 的快速单帧合成正是基于此类方法。
source-available / open weights（源可见/开放权重）: 与传统意义上遵循 OSI 定义的 open source 不同，source-available 指代码或权重可被查看但可带使用限制；open weights 专指仅公开模型参数但不公开训练数据或不允许商用的发布策略。
Research Purposes license（研究用途许可证）: 一种限制性许可，允许非商业科研与学术使用但禁止商业利用或产品化，企业常用来公开成果以保留商业权益并降低法律/合规风险。