MeshXL

直接生成高质量3D网格，告别繁琐后处理

MeshXL 是一个基于神经坐标场（Neural Coordinate Field）的3D网格生成基础模型，由 NeurIPS 2024 论文提出。它解决了传统3D生成方法难以直接生成高质量网格（mesh）的问题，通过将网格表示为连续坐标场的离散化，利用自回归或扩散模型学习网格的分布，从而直接生成顶点坐标和面连接关系，无需后处理。核心能力包括：无条件生成、类别条件生成、文本条件生成（需配合其他模型），以及从点云重建网格。项目提供完整的训练、推理代码和预训练模型，支持ShapeNet等数据集，适合研究3D生成模型和数字人几何建模。作为早期项目，其代码结构清晰，但依赖较新的深度学习库，对硬件有一定要求。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 342

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OpenMeshLab

所属国家

官网地址

GitHubhttps://github.com/OpenMeshLab/MeshXL

定价模式free

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

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d,3d-generation,3d-graphics,3d-mesh,3d-mesh-generation,aigc,generative-ai,gpt,language-model,multi-modal

GitHub 星标★ 342

30天Star增速

HF 下载量

上线时间2024-05-30 00:00:00

最近更新2026-09-14 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4

使用教程

核心亮点

基于神经坐标场，直接输出网格拓扑，无需体素或点云转网格的额外步骤
支持多种生成模式：无条件、类别条件、文本条件，灵活适配不同场景
提供预训练模型和完整训练/推理脚本，便于快速复现和二次开发

不足之处

生成分辨率受限于坐标场采样，高细节网格可能需较大计算资源
文档/社区待观察

适用场景

3D模型自动生成，用于游戏资产和影视特效
数字人几何建模，快速生成头部或身体网格
学术研究，探索生成式3D基础模型

替代项目

MeshGPT、PolyGen、BSP-Net

项目介绍

MeshXL 是数字人3D领域的开源项目，由 OpenMeshLab 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 342。

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 2026-09-14。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：3D模型自动生成，用于游戏资产和影视特效。同类可对比的替代方案包括 MeshGPT、PolyGen、BSP-Net。

上一篇：PhysX-3D

下一篇：GaussianCity