SceneGen

单张照片，一次前向，秒出完整 3D 场景

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 34 🐛 待处理 10 👀 关注 7

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 521

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类数字人3D

开发团队Mengmouxu

官网地址https://mengmouxu.github.io/SceneGen

GitHubhttps://github.com/Mengmouxu/SceneGen

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型3d,3d-aigc,3d-generation,3d-scene-generation,image-to-3d,scene-generation

GitHub 星标★ 521

上线时间2025-08-19 00:00:00

代码更新2026-01-12

仓库体积38.8 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

SceneGen 是一个基于单张图片、一次前向传播即可生成完整 3D 场景的开源项目，由 3DV 2026 论文提出。它解决了传统 3D 场景重建需要多视角输入、逐物体优化或耗时迭代的问题，核心能力在于从单张 RGB 图像直接推理出场景中多个物体的空间布局、几何形状和相对位置关系，无需后处理优化。项目采用 Jupyter Notebook 实现，代码结构清晰，便于研究者复现和二次开发。其技术路线可能结合了扩散模型或隐式神经表示，强调端到端的高效生成，适合作为数字人、虚拟现实、游戏场景快速搭建的基础工具。目前项目处于早期阶段，星标数不高，但学术价值明确，为单图 3D 场景理解提供了新思路。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 521

技术标签

3d 3d-aigc 3d-generation image-to-3d scene-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 100 分钟部署方式：本地GPU 5 步

环境要求

CUDA 显卡（大显存）
Python 3.10+
约数十 GB 依赖

安装与启动步骤

1拉仓库

它带大量子模块依赖，克隆要完整。
```
git clone https://github.com/Mengmouxu/SceneGen.git
```
2跑一键环境脚本

脚本会把一堆渲染与稀疏卷积库装好，耗时较长。
```
. ./setup.sh --new-env --basic --demo
```
3起交互演示

先用示例场景验证整条链路。
```
python interactive_demo.py
```
4跑推理

要网页界面就加参数。
```
python inference.py --gradio
```
5换自己的场景数据

数据构建脚本会处理布局与资产。
```
bash dataset_toolkits/build_scene.sh
```