LGM ist ein neuer Rahmen zur Erzeugung hochauflösender 3D-Modelle aus Textprompts oder Einzelansichtsbildern. Seine zentralen Erkenntnisse sind: (1) 3D-Darstellung: Wir präsentieren mehransichtliche Gauß-Merkmale als eine effiziente und dennoch leistungsstarke Darstellung, die anschließend für differenzierbares Rendering fusioniert werden kann. (2) 3D-Backbone: Wir stellen ein asymmetrisches U-Net als hochdurchsatzfähiges Backbone vor, das mehransichtliche Bilder verarbeitet. Dieses kann durch die Nutzung mehransichtiger Diffusionsmodelle aus Text- oder Einzelansichtsbild-Eingaben generiert werden. Umfangreiche Experimente belegen die hohe Genauigkeit und Effizienz unserer Methode. Bemerkenswert ist, dass wir bei der Erhöhung der Trainingsauflösung auf 512 die schnelle Generierung von 3D-Objekten beibehalten und somit die Erzeugung hochauflösender 3D-Inhalte ermöglichen.