PrimDiffusion

用扩散模型直接生成高质量3D人体，告别低效网格和点云

PrimDiffusion 是一个基于扩散模型的 3D 人体生成框架，核心创新在于使用体素化基元（Volumetric Primitives）作为 3D 表示，并针对该表示设计了前向扩散和去噪过程。它解决了现有 3D 人体生成方法在生成质量、计算效率和表示灵活性之间的平衡问题。该模型能够从随机噪声或条件输入生成高精度的 3D 人体模型，支持多种下游应用。其核心能力包括：高效的 3D 表示学习、稳定的扩散训练、以及生成多样且可控的人体形状与姿态。该项目为 3D 内容创作、虚拟现实和数字人领域提供了新的技术路径。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 119

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FrozenBurning

所属国家

官网地址https://frozenburning.github.io/projects/primdiffusion

GitHubhttps://github.com/FrozenBurning/PrimDiffusion

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无收费计划。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型3d-generation,3d-graphics,3d-human,diffusion-model,diffusion-models,generative-ai,generative-model,human-synthesis

GitHub 星标★ 119

30天Star增速

HF 下载量

上线时间2023-12-06 00:00:00

最近更新2026-03-06 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

核心亮点

采用体素化基元表示，兼顾几何细节与计算效率
扩散模型生成质量高，多样性好，支持条件控制
NeurIPS 2023 论文背书，算法设计严谨

不足之处

早期项目，代码和文档尚不完善，上手门槛较高
对显存和算力要求高，普通设备难以运行

适用场景

3D 数字人快速建模与生成
虚拟现实/游戏角色自动生成
学术研究：3D 生成模型与扩散模型结合

替代项目

PIFuHD、GIF、AvatarCLIP

项目介绍

PrimDiffusion 是数字人3D领域的开源项目，由 FrozenBurning 开发，2023 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 119。

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 2026-03-06。代码公开，可自行部署使用，无收费计划。

它主要面向的使用场景是：3D数字人快速建模与生成。同类可对比的替代方案包括 PIFuHD、GIF、AvatarCLIP。

上一篇：GVGEN

下一篇：GE3D