从正面看，它是一只开屏的孔雀。绕到侧面——它变成了一颗菠萝。这不是魔术，不是PS拼接，这是一个单一的3D网格，从不同视角呈现完全不同的语义。
人类玩这个把戏几千年了——从古希腊双面神Janus雕像到文艺复兴变形画。但让AI自动生成它，长期陷入尴尬。
6月18日，台湾阳明交通大学视觉计算实验室的论文被ECCV 2026接收——JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising。它将生成时间从约40分钟压缩到3-5分钟，且无需任何训练。输入两段文本，直接输出可3D打印的双语义网格。
JanusMesh的价值不止于"快"。它提出了一种新范式：跨空间双分支去噪。
"一物两面"为什么这么难？
AI之前的3D视错觉完全依赖手工创作。AI来了之后的两条路线各有硬伤。
SDS优化方法慢（约40分钟/任务）且色彩严重过饱和。论文描述为"severe over-saturation"。
直接拼接——分别生成两个网格再硬拼——产生明显接缝和语义泄露，两边不讨好。
JanusMesh在两个方面同时给出了系统性回应。
跨空间去噪：同时在两间房装修
双分支+跨空间解码
传统3D扩散模型在统一隐空间工作，无法同时朝向两个语义约束优化。
JanusMesh采用两阶段框架。第一阶段（几何融合）：双分支各自从独立噪声开始，分别对应两个文本提示。每一步去噪后，隐表示被解码到体素空间（voxel space），完成两件事——CLIP引导方向对齐确保"孔雀"那面像孔雀；SDF混合在边界平滑插值产生单一连续表面。混合后重新编码回隐空间继续去噪。如此循环直到几何无缝。
论文基于TRELLIS（CVPR 2025，3D生成骨干）作为隐空间基础架构。
第二阶段（纹理合成）：用Stable Diffusion从每个目标视角生成2D外观，投影回网格表面形成纹理贴图。
精妙之处：几何融合在体素空间（连续可导），纹理合成在2D空间（利用Stable Diffusion生成力），两者通过隐空间↔体素空间穿梭实现信息交换。这就是"跨空间"的真意。
三种模式
JanusMesh支持2对象（CLIP旋转）、2对象（固定角度）和3对象视错觉。从2到3的跨越证明方法通用性远超"两面画"。
8倍加速，质量全面超越
现有SDS方法约40分钟/任务，JanusMesh只需3-5分钟。质量上使用CLIP score、GPT-4.1-mini语义判断、FID/KID和Object Detection度量四组指标全面超越现有方案。
方法论意义
JanusMesh没有训练任何新模型——全部依赖TRELLIS、Stable Diffusion、CLIP等已有组件。这是典型的"不给模型加参数，给流程加结构"，呼应了计算机视觉从"训练更大模型"到"更聪明使用已有模型"的趋势。同时，"跨空间"正在成为新的设计范式。
这意味着什么？
对3D生成：零样本范式从"生成普通物体"扩展到"生成有语义层的物体"。
对AR/VR和游戏：视错觉在交互场景中有天然价值——同一道具不同场景不同形象、同一AR界面不同角度不同信息。JanusMesh让设计从手工变为"文本即所得"。
对数字艺术：3-5分钟快速迭代的能力，在手工时代不可想象。
当前局限包括纹理模糊控制、场景级拓展和动态视错觉延伸。但一条被打开的路，总会有人走得更远。
从古希腊双面神雕像到AI跨空间去噪——Janus的两张脸从未改变，但造出它们的方式，被永远改写了。
快报