Synthesize3DviaDepthOrSil

从多视图深度图或轮廓，一键生成3D形状

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 32 🐛 待处理 2 👀 关注 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 171

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可自由使用和部署，无付费版本。

项目预览

Synthesize3DviaDepthOrSil 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类数字人3D

开发团队Amir-Arsalan

官网地址http://openaccess.thecvf.com/content_cvpr_2017/papers/Soltani_Synthesizing_3D_Shapes_CVPR_2017_paper.pdf

GitHubhttps://github.com/Amir-Arsalan/Synthesize3DviaDepthOrSil

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可自由使用和部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Lua

技术栈/模型2d-3d,2d-to-3d,3d,3d-generation,3d-reconstruction,3d-shapes,computer-vision,deep-learning,depth-maps,generative-models,perception,reconstruction,representation-sharing,silhouette,torch,variational-autoencoder

GitHub 星标★ 171

上线时间2017-03-09 00:00:00

代码更新2020-06-17

仓库体积141.3 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

这是一个2017年CVPR论文的开源实现，用于通过多视图深度图或轮廓图来生成和重建3D形状。项目核心是训练一个生成对抗网络（GAN）和变分自编码器（VAE）模型，输入多视角的深度图或轮廓，输出对应的3D体素模型。它解决了从2D图像序列恢复3D结构的问题，核心能力包括3D形状生成、重建以及多视图表示学习。项目使用Lua和Torch框架，提供了训练和测试代码，以及预训练模型。虽然年代较早，但作为3D深度学习领域的早期工作，对理解多视图3D重建和生成方法有参考价值。