PartCrafter

一句话生成带部件结构的3D网格，可编辑可重组

PartCrafter 是一个面向数字人与3D内容创作的开源项目，发表于 NeurIPS 2025。它提出了一种基于组合式潜在扩散 Transformer 的结构化 3D 网格生成方法，核心解决传统 3D 生成模型难以生成具有清晰部件结构、可编辑性差的网格问题。该项目将 3D 模型拆解为语义部件，通过潜在扩散模型在部件层面进行组合生成，从而输出结构规整、部件可分离的网格，支持对生成结果的局部编辑、重组合与再生成。其核心能力包括：从文本或条件输入生成结构化 3D 网格、部件级语义对齐、以及基于 Transformer 的高效潜在空间建模。项目提供完整训练与推理代码，适合研究与应用二次开发。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2480

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wgsxm

所属国家

官网地址https://wgsxm.github.io/projects/partcrafter

GitHubhttps://github.com/wgsxm/PartCrafter

定价模式free

价格说明开源项目，MIT许可证，可免费使用和部署。

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,3d-generation,3d-object-generation,3d-object-reconstruction,3d-reconstruction,3d-scene-generation,3d-scene-reconstruction,image-to-3d

GitHub 星标★ 2480

30天Star增速

HF 下载量

上线时间2025-06-09 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7

使用教程

难度：进阶约 30 分钟部署方式：本地安装 6 步

环境要求

Python 3.11（README 使用 python=3.11.13）
PyTorch 2.5.1 + CUDA 12.4（torch-2.5.1+cu124）
NVIDIA GPU（作者在 Debian 12 + H20 上测试）
conda 环境（可选，但官方推荐）

安装与启动步骤

1创建 conda 环境

用 conda 新建名为 partcrafter 的环境，指定 Python 3.11.13，避免与系统环境冲突。
```
conda create -n partcrafter python=3.11.13
```
2激活环境

激活刚创建的 conda 环境，后续所有安装与运行都在该环境中进行。
```
conda activate partcrafter
```

3安装 PyTorch

从 PyTorch 官方 cu124 源安装 torch 2.5.1 及配套 torchvision、torchaudio。

pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124

4克隆仓库

把 PartCrafter 官方源码拉到本地，便于后续执行安装脚本。
```
git clone https://github.com/wgsxm/PartCrafter.git
```
5安装依赖

进入仓库目录并运行官方安装脚本 settings/setup.sh，安装其余依赖。
```
cd PartCrafter
bash settings/setup.sh
```
6补装图形库

若无 root 权限且使用 conda，用 conda-forge 安装 libegl、libglu、pyopengl。
```
conda install -c conda-forge libegl libglu pyopengl
```

如何确认成功

README 未给出验证命令，执行 settings/setup.sh 无报错即视为安装完成。

常见问题

Q：Windows 系统可以安装吗？

A：官方仅在 Debian 12 测试。Windows 用户可参考仓库 PR #24 以及 JackDainzh 的 PartCrafter-Windows fork 配置环境。

Q：没有 root 权限怎么办？

A：在 conda 环境中执行 conda install -c conda-forge libegl libglu pyopengl 安装所需图形库即可。

Q：必须用 README 指定的 torch 版本吗？

A：README 说明其他版本应该也能工作，但官方测试组合是 torch-2.5.1+cu124 与 python-3.11。

注意事项

README 节选未包含 Quick Start 的具体命令，推理与训练用法需查看仓库完整文档。
settings/setup.sh 需要在克隆后的仓库根目录内执行。
作者测试环境为 Debian 12 + NVIDIA H20 GPU，其他环境可能需自行调整。

核心亮点

提出部件级组合生成范式，输出网格结构清晰，便于后期编辑与动画绑定
基于潜在扩散Transformer，生成质量与多样性在公开基准上领先
代码开源且配套NeurIPS论文，技术细节完整，便于复现与扩展

不足之处

训练资源需求较高，普通显卡难以直接跑完整流程
文档/社区待观察

适用场景

游戏与影视中的角色/道具快速建模
3D打印前的结构化模型生成
数字人部件库的自动化构建与编辑

替代项目

MeshGPT、3D-GPT、PolyGen

项目介绍

PartCrafter 是数字人3D领域的开源项目，由 wgsxm 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（2,480）位列前 30%，在数字人3D分类的 272 个项目里位列前 8%。

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。MIT许可证，可免费使用和部署。

它主要面向的使用场景是：游戏与影视中的角色/道具快速建模。同类可对比的替代方案包括 MeshGPT、3D-GPT、PolyGen。

上一篇：HunyuanWorld-1.0

下一篇：WorldGen