项目预览
项目数据
项目介绍
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 ★ 452
使用教程
环境要求
- NVIDIA GPU（显存 16GB 起）
- conda
安装与启动步骤
-
1建环境
官方指定 Python 3.10。
conda create -n vmem python=3.10 -
2装依赖
图像与视频两套依赖都要装。
pip install -r requirements.txt -
3下权重
仓库不含权重，按说明放到指定目录。
-
4起界面试一组图
上传同一场景的多张图，看生成时主体是否保持一致。
python app.py
如何确认成功
给三张同一房间不同角度的图，新生成的视角里家具位置与材质保持一致，而不是每次重排
注意事项
- 它给图像集合模型加了一个可插拔的记忆模块，属于训练/推理侧改造，不是独立产品。
- 记忆模块要挂在特定底模上，换模型要重新适配。
- 多图输入的顺序会影响结果，先按论文给的顺序试。
- 论文代码，显存与耗时都按研究规模设计，别拿来跑批量生产。
核心亮点
- 提出 Surfel-Indexed View Memory，有效解决多视角视频生成中的闪烁和几何不一致问题
- 支持交互式场景控制，用户可自由改变视角或编辑内容，生成连贯视频
- 基于 ICCV 2025 论文，方法有理论支撑，代码结构清晰，便于复现
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 依赖较新的深度学习框架和硬件，部署门槛可能较高
适用场景
- 电影预可视化：快速生成多视角一致的场景预览
- 游戏开发：生成交互式 3D 场景背景或过场动画
- 虚拟现实：创建可探索的虚拟环境视频内容
替代项目
VideoFusion、Gen-L-Video、DreamGaussian
上一篇：PhyT2V
同类项目推荐
Kandinsky-4
开源
输入文字或图片，快速生成连贯视频，还自带音频。
Text and image to video generation: Kandinsky 4.0 (2024)
super-video-maker-skill
开源
让AI代理一键搞定从脚本到成片的视频制作全流程
AI video production skill for agents: HeyGen avatars, Seedance b-roll, OpenAI images···
DrivingWorld
开源
用视频GPT生成驾驶世界模型，模拟未来路况
Code for "DrivingWorld: Constructing World Model for Autonomous Driving via Video GP···
Helios
开源
实时生成超长视频，让创意瞬间成片
[TPAMI 2026] Helios: Real Real-Time Long Video Generation Model
ComfyUI-Wan-VACE-Video-Joiner
开源
用Wan VACE在ComfyUI里给任意视频片段做丝滑过渡
ComfyUI workflows to create smooth transitions between video clips using Wan VACE. W···
flux-3-video-api
开源
一行 Python 代码，调用 FLUX 3 生成带声音的视频
Python wrapper for Black Forest Labs' FLUX 3 video API — Text-to-Video and Image-to···
vmodal_sdk_android
开源
给 Android 视频应用一键加上视频搜索能力
Video Search SDK for Android Kotlin. Integrate in any video app
Awesome-Physics-Cognition-based-···
开源
一网打尽物理感知视频生成的前沿论文与代码。
A comprehensive list of papers investigating physical cognition in video generation,···
OnlyShot
开源
一句话生成完整短剧，五步直达红果抖音
OnlyShot · 神仙鱼 AI 短剧工业流水线 Claude Skill — 一句话 → 剧本/分镜/分镜图/视频···