MIDI-3D

单张照片，一键生成多物体 3D 场景

MIDI-3D 是一个基于扩散模型的单图生成 3D 场景的开源项目，由 CVPR 2025 收录。它解决的是从单张 2D 图像直接生成多实例 3D 场景的难题，传统方法通常只能生成单个物体，而 MIDI 通过创新的多实例扩散机制，能够同时生成多个相互关联的 3D 物体，并保持场景布局的合理性和一致性。核心能力包括：输入单张图像，自动识别场景中的多个物体实例，生成每个实例的 3D 几何和纹理，并输出完整的 3D 场景。项目基于 PyTorch 实现，提供训练和推理代码，适合研究者和开发者用于 3D 内容创作、自动驾驶仿真、AR/VR 场景构建等场景。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 950

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VAST-AI-Research

所属国家

官网地址https://huanngzh.github.io/MIDI-Page

GitHubhttps://github.com/VAST-AI-Research/MIDI-3D

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型3d,3d-generation,3d-scene,3d-scene-generation

GitHub 星标★ 950

30天Star增速

HF 下载量

上线时间2025-03-03 00:00:00

最近更新2026-09-23 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

首个支持单图多实例 3D 场景生成的扩散模型，突破了单物体限制
CVPR 2025 论文加持，方法有理论创新，代码开源可复现
生成场景包含物体间空间关系，布局合理，适合实际应用

不足之处

早期项目，文档和社区支持待观察
对输入图像质量敏感，复杂场景生成可能不稳定

适用场景

游戏和影视的 3D 场景快速原型设计
自动驾驶仿真中的多物体场景生成
AR/VR 内容创作，从照片快速构建虚拟环境

替代项目

One-2-3-45、Zero123、Wonder3D

项目介绍

MIDI-3D 是数字人3D领域的开源项目，由 VAST-AI-Research 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（950）位列前 30%，在数字人3D分类中处于中上游。

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 2026-09-23。Apache-2.0许可证，可自由使用，无付费版本。

它主要面向的使用场景是：游戏和影视的3D场景快速原型设计。同类可对比的替代方案包括 One-2-3-45、Zero123、Wonder3D。

上一篇：MotionDiffuse

下一篇：Open-DiffusionGS