SpatialVID

给视频加空间标注，让 AI 生成时懂几何、懂运动

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 19 🐛 待处理 3 👀 关注 6

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 614

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源数据集项目，Apache-2.0 许可证，完全免费，需自行部署或下载使用。

项目预览

项目数据

分类视频生成

开发团队NJU-3DV

官网地址https://nju-3dv.github.io/projects/SpatialVID

GitHubhttps://github.com/NJU-3DV/SpatialVID

定价模式🏷️完全免费

价格说明开源数据集项目，Apache-2.0 许可证，完全免费，需自行部署或下载使用。

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Apache-2.0

主要语言Python

技术栈/模型3d-generation,3d-reconstruction,4d-generation,4d-reconstruction,spatial-intelligence,video-dataset,video-generation,video-reasoning,vision-language-model,world-models

GitHub 星标★ 614

上线时间2025-09-10 00:00:00

代码更新2026-04-22

仓库体积100.0 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数8

项目介绍

SpatialVID 是一个面向视频生成与空间智能研究的大规模视频数据集，由 CVPR 2026 论文提出。它解决了现有视频数据集缺乏空间标注、难以支撑 4D 生成与重建任务的问题。该数据集为每个视频帧提供丰富的空间注释，包括相机位姿、深度图、物体轨迹和 3D 结构信息，使模型能够学习视频中的几何与运动关系。核心能力包括：支持 3D/4D 生成与重建、视频生成中的空间一致性约束、以及多模态时空理解。该数据集旨在推动视频生成从 2D 像素走向 3D 空间感知，为自动驾驶、机器人、AR/VR 等需要空间智能的领域提供训练基础。项目提供数据加载与处理工具，兼容主流深度学习框架，并附带基准评估协议。

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 ★ 614

技术标签

3d-generation 3d-reconstruction 4d-generation video-generation vision-language-model

使用教程

难度：高级约 120 分钟部署方式：本地GPU 5 步

环境要求

GPU 显存 24G 以上
指定版本的解释器
数据本体

安装与启动步骤

1克隆带子模块

它依赖外部仓库，克隆时必须带上子模块参数。
```
git clone --recursive https://github.com/NJU-3DV/SpatialVID.git
```
2建环境

解释器版本锁得很死，按说明装。
```
conda create -n SpatialVID python=3.10.13
```
3装基础依赖

基础、打分、标注是三套清单，先装基础那套。
```
pip install -r requirements/requirements.txt
```
4下权重

检查点不在仓库里，用脚本拉。
```
bash scripts/download_checkpoints.sh
```
5按序跑流程

打分、标注、描述有先后依赖，别跳步。
```
bash scripts/scoring.sh
```