
awesome-3d-diffusion
3D 生成扩散论文一网打尽,按方向快速找文献
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-27 · 当前星标 ★ 1258
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 能够访问 GitHub 的网络环境
- 已安装 Git(用于克隆仓库,也可直接在网页端浏览)
- 一个可以打开 PDF 的阅读器(查看仓库内综述)
- 无需 Python、GPU 或任何深度学习环境
安装与启动步骤
-
1克隆论文清单仓库
把整个仓库复制到本地,得到 README 清单和 survey.pdf 两个核心文件。
git clone https://github.com/cwchenwang/awesome-3d-diffusion.git -
2查看目录与分类
打开 README,先看 Table of Contents,按二维扩散、三维空间扩散等大类定位子方向。
cd awesome-3d-diffusion && cat README.md -
3阅读配套综述
仓库自带 survey.pdf,可先通读综述建立全局认知,再回到清单按主题精读单篇论文。
-
4追踪 4D 方向清单
README 顶部给出同作者的 4D 生成清单仓库地址,可作为三维动态方向的延伸阅读。
-
5补充或修正条目
发现遗漏论文时,README 明确要求直接提交 Pull Request,不需要先开 issue。
如何确认成功
本地成功生成 awesome-3d-diffusion 目录,且目录内 README.md 中出现 2D Diffusion、3D Diffusion 等分类标题,即表示内容完整可用。
常见问题
Q:这个项目能直接跑起来生成 3D 模型吗?
A:不能。它只是论文清单与综述,不含代码实现和可运行权重,价值在于检索与方向调研。
Q:我想添加一篇新论文该怎么做?
A:README 写明直接发起 Pull Request 即可,无需先开 issue;修改已有条目的信息同理。
Q:清单内容全吗?
A:作者在 README 中说明列表远未完整,属于持续更新状态,建议结合综述和其他来源交叉核对。
Q:使用时需要引用吗?
A:README 说明若该清单或综述对你的工作有帮助,请按给出的 BibTeX 条目引用其 2024 年综述论文。
注意事项
- 项目定位为文献导航入口,不要期待安装依赖或启动服务之类的部署流程。
- 仓库内 survey.pdf 是对清单的系统性总结,建议作为入门第一读物。
- 提交补充内容时走 Pull Request 流程,遵循仓库的贡献说明。
核心亮点
- 按任务与技术路线分类整理,检索 3D 生成论文效率高
- 持续跟进新工作,适合作为方向追踪的入口清单
- 纯清单形态、无运行依赖,打开即可用,学习成本低
不足之处
- 仅提供论文索引,缺少代码链接、复现状态与效果对比
- 分类粒度和更新节奏依赖维护者,覆盖完整度待观察
适用场景
- 研究生入门 3D 生成方向时做文献综述
- 算法团队做技术选型前快速摸底同类方案
- 组会分享或课程备课整理参考文献列表
替代项目
awesome-3d-generation、awesome-diffusion-models、Awesome-Text-to-3D
上一篇:common-voice
下一篇:没有了!
同类项目推荐
open-data-registry
开源
一键发现并定位 AWS 上的公开数据集
A registry of publicly available datasets on AWS
insuranceqa-corpus-zh
开源
拿保险问答数据,快速训练客服机器人
:helicopter: 保险行业语料库,聊天机器人
fondant
开源
像搭积木一样构建生产级数据处理流水线,让数据准备高效可复用。
Production-ready data processing made easy and shareable
KG-MM-Survey
开源
一张清单看懂知识图谱+多模态,快速入门不迷路
Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey
argilla
开源
让领域专家轻松标注数据,快速构建高质量 LLM 数据集
Argilla is a collaboration tool for AI engineers and domain experts to build high-qu···
PLTranslationEmpirical
开源
看穿 LLM 代码翻译的坑,用数据帮你避雷
Artifact repository for the paper "Lost in Translation: A Study of Bugs Introduced b···
MagicBrush
开源
手工标注的指令图像编辑数据集,让模型更懂你的修改指令。
[NeurIPS'23] "MagicBrush: A Manually Annotated Dataset for Instruction-Guided Image ···
RSIBench-Data
开源
一键生成代码评测数据并在沙箱里跑分
Synthetic data generation, post-training, and E2B benchmark evaluation infrastructur···
OpusFilter
开源
配置式过滤平行语料,快速清洗出高质量句对
OpusFilter - Parallel corpus processing toolkit