InstantMesh采用类Instant3D的双模型架构，由多视图扩散模型与稀疏视图大规模重建模型协同工作：输入单张2D图像后，GM首先生成3D视角一致的多视图图像，再由GR对多视图数据进行深度重建，最终输出高质量3D网格模型。