Diff4Splat 是视频领域的开源项目，由 paulpanwang 开发，2025 年首次发布。
它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 124。
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 2026-09-18。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：影视特效中的动态场景快速原型设计。同类可对比的替代方案包括 Dynamic3DGaussians、4D-GS、DynIBaR。
Diff4Splat
从单图生成可控动态 3D 场景，时空一致。
Diff4Splat 是一个面向可控 4D 场景生成的深度学习框架，基于潜在动态重建模型，支持从单张图像或视频生成动态 3D 场景。它解决了传统 3D 生成中缺乏时间维度和可控性的问题，通过将动态信息编码到潜在空间，实现场景的时空一致重建。核心能力包括：利用 3D Gaussian Splatting 进行高效渲染，结合潜在动态模型捕捉物体运动和形变，支持用户通过控制信号（如文本、动作）调节生成结果。项目处于早期阶段（CVPR 2026 投稿），提供训练和推理代码，适合研究者探索 4D 内容生成。
开源
free
数字人3D
GitHub 星标
★ 124
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paulpanwang
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，需自行部署使用。
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,4d,4d-generation,dynamic-scene-modeling,scene-generation
GitHub 星标★ 124
30天Star增速
HF 下载量
上线时间2025-09-09 00:00:00
最近更新2026-09-18 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 3D Gaussian Splatting，渲染速度快且质量高
- 潜在动态重建模型，支持时间维度上的可控生成
- 提供完整训练与推理代码，便于复现和二次开发
不足之处
- 文档/社区待观察
- 依赖较新的深度学习框架，环境配置可能复杂
适用场景
- 影视特效中的动态场景快速原型设计
- 自动驾驶仿真中的动态路况生成
- AR/VR 内容创作中的可控 4D 资产制作
替代项目
Dynamic3DGaussians、4D-GS、DynIBaR
项目介绍
下一篇：svd-mv
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···