GEM-3D

用扩散模型增强三维医学图像,提升生成质量与完整性

GEM-3D 是一个面向三维医学图像生成的增强工具,发表于 IJCV 2026。它针对医学影像数据稀缺、质量不均的问题,利用扩散模型提升三维图像生成的质量和多样性。核心能力包括:对低质量或部分缺失的三维医学图像进行生成式增强,输出高分辨率、结构完整的图像;支持多种模态(如 CT、MRI)的通用处理;提供灵活的模型接口,便于集成到现有医学影像分析流程。项目处于早期阶段,代码结构清晰,适合研究者和开发者探索生成式模型在医学影像中的应用。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 81
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HKU-MedAI
所属国家
官网地址
定价模式free
价格说明开源项目,GPL-3.0许可证,可自行部署使用,完全免费。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型3d-medical-images,diffusion-models,image-generation
GitHub 星标★ 81
30天Star增速
HF 下载量
上线时间2024-03-11 00:00:00
最近更新2026-07-09 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1

使用教程

核心亮点

  • 聚焦三维医学图像生成增强,填补细分领域空白
  • 基于扩散模型,生成质量高,结构保真度好
  • 代码开源,便于复现和二次开发

不足之处

  • 项目早期,文档和社区支持待观察
  • 依赖计算资源较高,推理速度可能较慢

适用场景

  • 医学影像数据增强,解决小样本训练问题
  • 低质量三维图像修复与超分辨率
  • 医学图像生成模型研究基准

替代项目

MONAI、nnU-Net、Med3D

项目介绍

GEM-3D 是计算机视觉领域的开源项目,由 HKU-MedAI 开发,2024 年首次发布。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 81。

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 2026-07-09。GPL-3.0许可证,可自行部署使用,完全免费。

它主要面向的使用场景是:医学影像数据增强,解决小样本训练问题。同类可对比的替代方案包括 MONAI、nnU-Net、Med3D。

上一篇:AnomalyVFM

下一篇:fashn-vton-1.5

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14