Hugging Face Blog于2026年11月12日发布指南，提供用于微调TRELLIS.2的脚本和容器。用户在将数据集更新到Hugging Face Hub后，可用少量参数运行脚本；训练既可在本地进行，也可使用Hugging Face Jobs。
指南中的实验使用Google Scanned Objects（GSO）数据集里的188个鞋类物体。Hugging Face称，未经微调的TRELLIS.2通常能生成外观正确的鞋子，但鞋底几何不够准确；该实验因此测试LoRA能否改善鞋底表现。
TRELLIS.2使用统一潜在表示，并由解码器输出所需格式的3D模型。其流程区分结构、详细几何和材质，指南强调应根据任务选择需要微调的组件，同时冻结其他组件；这项示例针对的是鞋类这一特定类别，并不等同于所有3D资产都能获得相同改善。
LoRA通过训练小型适配矩阵、保持原始权重冻结来完成适配，指南使用Hugging Face的PEFT库进行训练。来源明确提到，这种方式可减少需要训练的参数，以及梯度和优化器状态所需的内存；指南同时提供了本地Docker命令的使用方向。
原始来源：The Definitive Fine-Tuning Guide for 3D Generation Models