MonoArt

从单张照片,逐步推理出带关节的3D模型

MonoArt 是论文“MonoArt: Progressive Structural Reasoning for Monocular Articulated 3D Reconstruction”的官方实现,旨在从单张RGB图像中重建具有关节结构的3D物体(如人体、动物等)。该项目解决单目图像下关节物体重建中结构推理困难、关节定位不准的问题,通过渐进式结构推理方法,分阶段估计部件分割、关节位置和姿态,最终输出完整的3D网格模型。核心能力包括:单目输入、关节感知的3D重建、支持多种类别(如动物、人体)、提供训练和推理代码。作为早期研究项目,代码库结构清晰,便于学术复现和二次开发。

开源 free 数字人3D
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 71
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类数字人3D
开发团队Quest4Science
所属国家
定价模式free
价格说明开源项目,本地部署,完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型3d-aigc,3d-generation,articulated-objects
GitHub 星标★ 71
30天Star增速
HF 下载量
上线时间2026-03-17 00:00:00
最近更新2026-09-14 00:00:00
维护状态较活跃
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

  • 创新性地提出渐进式结构推理,分阶段优化关节和部件,提升重建精度
  • 官方实现,代码与论文对应,适合学术研究和复现
  • 支持多类别关节物体(如动物、人体),泛化性较好

不足之处

  • 早期项目,文档和社区支持待观察
  • 依赖特定数据集和预训练模型,开箱即用门槛较高

适用场景

  • 学术研究:用于单目3D重建算法的对比和实验
  • 数字内容创作:从照片快速生成带关节的3D角色模型
  • 机器人感知:辅助机器人理解环境中物体的关节结构

替代项目

SMPLer-X、PyMAF-X、Hand4Whole

项目介绍

MonoArt 是计算机视觉领域的开源项目,由 Quest4Science 开发,是 2026 年新上线的项目。

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 71。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-14。本地部署,完全免费。

它主要面向的使用场景是:学术研究:用于单目3D重建算法的对比和实验。同类可对比的替代方案包括 SMPLer-X、PyMAF-X、Hand4Whole。

上一篇:NI-Tex

下一篇:SPVD

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14