sem2nerf

一张语义图，直接生成可多视角观看的三维场景

Sem2NeRF 是 ECCV 2022 收录的研究项目，旨在将单张语义分割掩码（Semantic Mask）转换为三维神经辐射场（NeRF），实现从单视角语义信息直接生成多视角一致的三维场景。它解决了传统 NeRF 需要多视角图像或复杂三维数据的问题，仅凭一张语义图即可重建三维结构。核心能力包括：使用生成对抗网络（GAN）作为先验，从语义布局中合成多视角图像；结合 NeRF 的体渲染技术，确保生成的三维场景具有几何一致性和视角连贯性；支持语义引导的图像编辑和三维场景操作。项目基于 PyTorch 实现，提供了训练和推理代码，但星标数较低，属于早期研究原型。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 127

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队donydchen

所属国家

官网地址https://donydchen.github.io/sem2nerf

GitHubhttps://github.com/donydchen/sem2nerf

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。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型eccv-2022,eccv2022,gan,image-generation,image-manipulation,image-to-image,image-translation,nerf,pytorch,semantic-to-nerf

GitHub 星标★ 127

30天Star增速

HF 下载量

上线时间2022-03-21 00:00:00

最近更新2026-09-25 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4

使用教程

核心亮点

单张语义图即可生成多视角一致的 NeRF，输入极简
结合 GAN 与 NeRF，兼顾图像质量与三维几何一致性
支持语义引导的三维场景编辑，便于后续应用

不足之处

文档/社区待观察
训练和推理资源需求高，普通硬件难以复现

适用场景

三维场景快速原型设计
自动驾驶场景的语义到三维重建
游戏和影视中的语义驱动三维内容生成

替代项目

pix2pix3D、GRAF、pi-GAN

项目介绍

sem2nerf 是数字人3D领域的开源项目，由 donydchen 开发，2022 年首次发布。

它收录于数字人3D分类，该分类目前共有 272 个项目，GitHub 星标数为 126。

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 2025-11-19。MIT许可证，完全免费，需自行部署。

它主要面向的使用场景是：三维场景快速原型设计。同类可对比的替代方案包括 pix2pix3D、GRAF、pi-GAN。

上一篇：banana-levelup

下一篇：SpatialGen