MIDI-3D

单张照片，一键生成多物体 3D 场景

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 76 🐛 待处理 18 👀 关注 15

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 958

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可自由使用，无付费版本。

项目预览

项目数据

分类数字人3D

开发团队VAST-AI-Research

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

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

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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,cvpr2025,generative-3d,scene-generation

GitHub 星标★ 958

上线时间2025-03-03 00:00:00

代码更新2025-06-12

仓库体积23.5 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

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。

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 ★ 958

技术标签

3d 3d-generation cvpr2025 scene-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地 (Py/CUDA) 5 步

环境要求

Linux + NVIDIA GPU（显存 16GB 以上更稳）
CUDA 11.8+
Conda

安装与启动步骤

1建环境

官方以 Python 3.10 验证。

conda create -n midi python=3.10
conda activate midi

2装 torch

按 CUDA 版本选 wheel。

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

3装依赖与 MV-Adapter

MV-Adapter 要从源码装。

pip install -r requirements.txt
pip install git+https://github.com/huanngzh/MV-Adapter

4起 Gradio 界面

最直观的验证方式。
```
python gradio_demo.py
```

5命令行推理

给 RGB 与分割图即可生成组合式 3D 场景。

python -m scripts.inference_midi --rgb assets/example_data/Cartoon-Style/00_rgb.png \
    --seg assets/example_data/Cartoon-Style/00_seg.png --output-dir ./