DreamCraft3D

上传一张图，秒变可交互的高质量 3D 模型

DreamCraft3D 是一个由 ICLR 2024 收录的官方实现项目，专注于从单张 2D 图像生成高质量 3D 模型。它采用分层生成策略，结合引导扩散先验（Bootstrapped Diffusion Prior）与 3D 表示学习，解决传统 3D 生成中几何细节不足和纹理模糊的问题。其核心能力包括：通过扩散模型引导几何优化，提升形状保真度；利用视图合成和纹理细化，生成多视角一致的逼真外观；支持从任意输入图像（如照片、艺术画）重建可交互的 3D 资产。项目基于 Python 实现，依赖 PyTorch 等深度学习框架，提供训练和推理代码，适合研究者和开发者用于数字人、游戏资产、AR/VR 内容创作等场景。尽管处于早期阶段，但已在社区获得广泛关注，是 3D 生成领域的重要参考实现。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3029

维护状态低维护

是否开源是

定价模式 free

项目数据

分类数字人3D

开发团队deepseek-ai

所属国家

官网地址https://mrtornado24.github.io/DreamCraft3D

GitHubhttps://github.com/deepseek-ai/DreamCraft3D

定价模式free

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d-creation,3d-generation,aigc,diffusion-models,generative-model,image-to-3d

GitHub 星标★ 3029

30天Star增速

HF 下载量

上线时间2023-10-23 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：高级约 60 分钟部署方式：本地安装 5 步

环境要求

NVIDIA 显卡，显存至少 20GB
已安装 CUDA 驱动与工具包
Python >= 3.8
建议使用 virtualenv 虚拟环境（可选）

安装与启动步骤

1创建虚拟环境

README 建议（可选）创建并激活虚拟环境，隔离依赖；已有可用 Python 环境可跳过。
```
python3 -m virtualenv venv
. venv/bin/activate
```
2安装 threestudio

README 明确要求按 docs/installation.md 安装 threestudio，包含 Docker 安装方式；已装好可跳过，README 未给出具体命令。
3预处理输入图像

对输入图片去背景并生成深度图与法线图，--recenter 会把主体重新居中，结果供后续阶段训练使用。
```
python preprocess_image.py /path/to/image.png --recenter
```
4设置生成参数

README 示例用 shell 变量保存文本提示词与预处理后的 RGBA 图像路径；完整的多阶段训练命令在 README 中被截断，需参考官方仓库补全。
```
prompt="a brightly colored mushroom growing on a log"
image_path="load/images/mushroom_log_rgba.png"
```

5导出3D模型

用默认 mesh-exporter 配置导出 obj+mtl；请把 config 与 ckpt 路径替换为实际训练产物目录，gpu 按需修改。

python launch.py --config path/to/trial/dir/configs/parsed.yaml --export --gpu 0 resume=path/to/trial/dir/ckpts/last.ckpt system.exporter_type=mesh-exporter

关键配置

配置项	必填	说明	示例
`prompt`	是	生成用的文本提示词，指导扩散模型优化	`a brightly colored mushroom growing on a log`
`image_path`	是	预处理后输入图像路径，需为带透明通道的 RGBA 图	`load/images/mushroom_log_rgba.png`
`system.exporter_type`	是	导出器类型，mesh-exporter 默认导出 obj+mtl	`mesh-exporter`
`resume`	是	从训练产生的检查点恢复并导出模型	`path/to/trial/dir/ckpts/last.ckpt`
`--gpu`	否	指定使用的 GPU 编号，多卡时按需修改	`0`

如何确认成功

导出命令执行完毕后，查看对应 trial 目录，生成 .obj 与 .mtl 文件即表示成功。

常见问题

Q：显存不够 20GB 能跑吗？

A：README 明确要求至少 20GB 显存的 NVIDIA 显卡，低于该值原生训练无法正常进行；可改用官方提供的 Replicate 在线 demo 体验。

Q：已经装过 threestudio 还要重装吗？

A：不需要，README 说明该部分与原版 threestudio 完全相同，已有环境直接跳过，安装细节见 docs/installation.md。

Q：深度图和法线图怎么来？

A：运行 preprocess_image.py 处理输入图像即可，加 --recenter 让主体居中；输出的预处理结果用于后续阶段。

Q：多阶段训练的命令是什么？

A：README 只给出了 prompt 与 image_path 两个变量示例，训练命令部分被截断，需到官方仓库或 docs 中查阅完整命令。

注意事项

README 未给出 git clone 与 pip 安装的具体命令，安装须参考仓库内 docs/installation.md。
生成/训练耗时较长，强烈建议使用显存充足的 NVIDIA GPU 并确认 CUDA 可用。
导出步骤中的 config、ckpt 路径为占位示例，务必替换为自己实际的 trial 目录。

核心亮点

采用分层生成策略，几何和纹理细节优于单阶段方法
官方 ICLR 2024 实现，算法有学术背书，代码结构清晰
支持从任意单图生成 3D，降低内容创作门槛

不足之处

训练和推理资源需求高，普通 GPU 难以运行
文档和社区支持待观察，依赖项配置复杂

适用场景

数字人快速建模，从照片生成虚拟形象
游戏或影视资产制作，快速生成 3D 道具
AR/VR 内容开发，将 2D 概念图转为可交互模型

替代项目

Zero-1-to-3、One-2-3-45、SyncDreamer

项目介绍

DreamCraft3D 是数字人3D领域的开源项目，由 deepseek-ai 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,029）位列前 30%，在数字人3D分类的 272 个项目里位列前 7%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：数字人快速建模，从照片生成虚拟形象。同类可对比的替代方案包括 Zero-1-to-3、One-2-3-45、SyncDreamer。

上一篇：Hunyuan3D-2.1

下一篇：HunyuanWorld-1.0