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 ★ 180
核心亮点
- 基于视频扩散模型，生成的多视角序列在时间和空间上高度一致，优于传统图像扩散方法
- CVPR 2024 Highlight 论文，方法有理论创新和实验验证，代码结构清晰，易于复现
- 支持多种下游任务（3D重建、编辑），提供预训练模型和推理脚本，上手门槛低
不足之处
- 项目处于早期阶段，文档和社区支持相对有限，依赖特定环境配置
- 推理速度较慢，需要较大显存，对硬件要求较高
适用场景
- 从单张商品图生成多角度展示图，用于电商和广告
- 为3D重建提供多视角输入，辅助生成3D模型
- 在机器人抓取和场景理解中，生成多视角观测数据
替代项目
Zero-1-to-3、MVDream、SyncDreamer
同类项目推荐
pdf-craft
开源
把扫描版PDF变成可编辑文本，读书笔记一键搞定
PDF craft can convert PDF files into various other formats. This project will focus ···
mvdfusion
开源
单张图片，生成多视角一致的3D模型
[CVPR 2024] MVD-Fusion: Single-view 3D via Depth-consistent Multi-view Generation
Doxa
开源
一键对比十多种图像二值化算法，选型调参不再愁
A Local Adaptive Thresholding framework for image binarization written in C++, with ···
ScanNow
开源
打开即扫，秒出高清扫描件，隐私本地处理。
A fast and simple app for document scanning on iOS.
n8n-nodes-tesseractjs
开源
在 n8n 工作流里拖个节点，图片直接变文字
A N8N node that exposes the Tesseract OCR engine for converting images to text
rf-detr
开源
开箱即用的实时检测分割模型，微调后轻松落地
RF-DETR is a real-time object detection and segmentation model architecture develope···
Groma
开源
让多模态模型精准指认图像中的每个区域，实现细粒度视觉定位。
[ECCV2024] Grounded Multimodal Large Language Model with Localized Visual Tokenizati···
onepanel
开源
一站式搞定计算机视觉项目，从标注到部署全流程自动化
The open source, end-to-end computer vision platform. Label, build, train, tune, dep···
readur
开源
上传图片即出文字，自建 OCR 像用网盘一样简单
Quick, painless, intuitive OCR platform written in Rust and TypeScript. Modern UI wi···