TAR3D

像拼积木一样，逐部件预测生成高质量 3D 模型

TAR3D 是一个基于 ICCV 2025 论文的开源项目，旨在通过“下一部件预测”的方式生成高质量 3D 资产。它解决了传统 3D 生成方法中模型复杂、生成速度慢、细节丢失等问题，核心能力是将 3D 建模任务转化为序列化部件预测，从而高效地重建或生成精细的 3D 模型。项目提供官方代码实现，支持从输入条件（如图像或文本）预测 3D 结构，适用于数字人、游戏资产、虚拟现实等场景。目前项目处于早期阶段，代码库相对简洁，便于研究者快速上手和二次开发。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 79

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HVision-NKU

所属国家

官网地址

GitHubhttps://github.com/HVision-NKU/TAR3D

定价模式free

价格说明开源项目，BSD-3-Clause许可，可自由使用，无付费版本。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Python

技术栈/模型3d-generation,3d-reconstruction,3d-representation,image-to-3d,text-to-3d

GitHub 星标★ 79

30天Star增速

HF 下载量

上线时间2024-12-10 00:00:00

最近更新2026-09-06 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6

使用教程

核心亮点

基于 ICCV 2025 前沿研究，方法新颖，采用 next-part prediction 思路，区别于传统生成式方法
官方代码开源，结构清晰，便于复现论文结果和进行学术研究
针对高质量 3D 资产生成，在细节保真度和生成效率上有潜力优势

不足之处

文档/社区待观察
项目处于早期，星标数少，可能缺少完善的示例和社区支持

适用场景

学术研究：复现论文实验，探索 3D 生成新范式
数字人建模：快速生成高精度 3D 头部或身体资产
游戏/影视资产生产：自动化生成 3D 模型，提升制作效率

替代项目

3D-GPT、Point-E、Shap-E

项目介绍

TAR3D 是数字人3D领域的开源项目，由 HVision-NKU 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 79。

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 2026-09-06。BSD-3-Clause许可，可自由使用，无付费版本。

它主要面向的使用场景是：学术研究：复现论文实验，探索3D生成新范式。同类可对比的替代方案包括 3D-GPT、Point-E、Shap-E。

上一篇：diffindscene

下一篇：Awesome-3D-Generation