SPVD

用稀疏点体素扩散，高效生成高精度3D点云

SPVD 是一个基于稀疏点体素扩散模型的高效可扩展点云生成框架。它针对现有扩散模型在大规模点云生成中计算开销大、内存占用高的问题，提出了一种结合点云与体素表征的稀疏扩散架构。该模型通过稀疏体素表示来降低计算复杂度，同时保留点云的精细几何细节，从而在保证生成质量的前提下显著提升训练与推理效率。SPVD 支持从单类别到多类别的点云生成任务，并能处理高分辨率点云数据。其核心能力包括：高效的稀疏注意力机制、多尺度特征融合、以及可扩展的生成管线。项目代码基于 Jupyter Notebook 提供，便于研究者快速理解与复现实验。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 64

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JohnRomanelis

所属国家

官网地址https://johnromanelis.github.io/_spvd

GitHubhttps://github.com/JohnRomanelis/SPVD

定价模式free

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型3d-generation,3d-reconstruction,computer-vision,diffusion,diffusion-models,generative-ai,point-cloud-completion,point-cloud-super-resolution,pointclouds

GitHub 星标★ 64

30天Star增速

HF 下载量

上线时间2024-05-17 00:00:00

最近更新2026-09-22 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

创新性地融合点云与体素表征，在稀疏体素上做扩散，大幅降低计算和内存消耗
支持高分辨率点云生成，可扩展性强，适合大规模场景
提供 Jupyter Notebook 示例，上手门槛低，便于快速验证效果

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖特定硬件（如GPU）且训练资源需求仍较高

适用场景

3D内容创作：快速生成高质量点云模型用于游戏、影视资产
自动驾驶仿真：生成大规模场景点云用于感知算法训练
科研实验：作为点云生成基线，对比其他扩散模型方法

替代项目

Point-E、PVD、LION

项目介绍

SPVD 是计算机视觉领域的开源项目，由 JohnRomanelis 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 64。

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 2026-09-22。MIT许可证，可免费使用和部署。

它主要面向的使用场景是：3D内容创作：快速生成高质量点云模型用于游戏、影视资产。同类可对比的替代方案包括 Point-E、PVD、LION。

上一篇：MonoArt

下一篇：LIGHT