Kiss3DGen

用图像扩散模型直接生成3D资产，告别昂贵3D数据

Kiss3DGen 是一个基于 CVPR 2025 论文的官方实现，旨在复用图像扩散模型来生成 3D 资产。它解决了传统 3D 生成方法需要大量 3D 训练数据、训练成本高且泛化能力有限的问题。核心能力包括：利用预训练的图像扩散模型（如 Stable Diffusion）作为先验，通过分数蒸馏采样（SDS）等技术，将 2D 图像生成能力迁移到 3D 生成中，支持从文本或图像生成高质量的 3D 模型。项目提供了完整的训练和推理代码，支持多种 3D 表示（如 NeRF、网格），并针对生成质量、几何一致性和纹理细节进行了优化。其核心优势在于无需大规模 3D 数据集，即可生成多样化的 3D 资产，为 3D 内容创作提供了低成本、高效率的解决方案。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 298

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EnVision-Research

所属国家

官网地址https://ltt-o.github.io/Kiss3dgen.github.io

GitHubhttps://github.com/EnVision-Research/Kiss3DGen

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3d-generation,diffusion-model,image-to-3d,text-to-3d

GitHub 星标★ 298

30天Star增速

HF 下载量

上线时间2024-12-29 00:00:00

最近更新2026-09-08 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5

使用教程

核心亮点

复用成熟图像扩散模型，无需大规模3D训练数据，降低训练门槛
支持文本/图像输入，生成多样化的3D资产，泛化能力强
提供官方实现，代码结构清晰，便于二次开发和学术研究

不足之处

文档/社区待观察
生成速度可能较慢，依赖扩散模型的迭代采样

适用场景

游戏和影视行业快速生成概念3D模型
电商和设计领域快速制作产品展示模型
科研人员研究基于扩散模型的3D生成方法

替代项目

DreamFusion、Magic3D、ProlificDreamer

项目介绍

Kiss3DGen 是数字人3D领域的开源项目，由 EnVision-Research 开发，2024 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 298。

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 2026-09-08。MIT许可证，完全免费，需自行部署。

它主要面向的使用场景是：游戏和影视行业快速生成概念3D模型。同类可对比的替代方案包括 DreamFusion、Magic3D、ProlificDreamer。

上一篇：GaussianCity

下一篇：anima-x