LangScene-X 是数字人3D领域的开源项目，由 THU-SI 开发，2025 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 302。
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 2026-07-08。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：机器人导航中的语义地图构建。同类可对比的替代方案包括 3D-LLM、LERF、OpenScene。
LangScene-X
用视频扩散模型，一句话重建带语义的 3D 场景
LangScene-X 是一个基于 TriMap 视频扩散模型的 3D 语言嵌入场景重建框架，由 ICCV 2025 论文提出。它解决的核心问题是：现有 3D 场景重建方法难以同时实现几何重建、语义理解与跨场景泛化。该模型通过统一的视频扩散架构，将多视角图像序列转化为带有语言嵌入的 3D 场景表示，支持文本查询、语义分割和场景编辑等下游任务。其核心能力包括：TriMap 表示高效融合几何与语义特征，视频扩散模型增强时序一致性，以及跨场景泛化能力。项目提供训练与推理代码，适用于机器人导航、AR/VR 内容生成和自动驾驶仿真等需要语义级 3D 理解的场景。
开源
free
视频生成
GitHub 星标
★ 302
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队THU-SI
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，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-reconstruction,diffusion,unified-model,video-generation
GitHub 星标★ 302
30天Star增速
HF 下载量
上线时间2025-07-03 00:00:00
最近更新2026-07-08 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
- TriMap 统一几何与语义表示，重建结果可直接用于文本查询
- 视频扩散架构提升多视角时序一致性，减少重建伪影
- 跨场景泛化能力强，无需针对单一场景过拟合
不足之处
- 早期项目，文档和社区支持待观察
- 依赖视频扩散模型，推理速度可能较慢
适用场景
- 机器人导航中的语义地图构建
- AR/VR 场景的语义编辑与交互
- 自动驾驶仿真中的动态场景重建
替代项目
3D-LLM、LERF、OpenScene
项目介绍
上一篇：fantasy-talking2
下一篇：VideoScene
同类项目推荐
A3D
开源
在 three.js 里直接调用 AI 生成纹理和素材，边建模边生成
3D x AI hybrid editor, built with three.js
cube
开源
用一句话生成 3D 模型，在 Roblox 里快速落地 AI 创作
Roblox Foundation Model for 3D Intelligence
AG3D
开源
用2D图片直接生成3D虚拟人，告别昂贵扫描
Official code release for ICCV2023 paper AG3D: Learning to Generate 3D Avatars from ···
GameFactory-3A
开源
一条命令生成 3A 游戏资产，从模型到视频全自动
A comprehensive open-source 3A game-generation skill and asset framework.