ZeroShape

单张图片，零样本重建三维形状，无需额外训练

ZeroShape是一个基于回归的零样本三维形状重建项目，旨在从单张图像直接恢复物体的三维几何结构。它解决了传统三维重建方法依赖大量标注数据、泛化能力差的问题，通过创新的回归框架，在未见过的类别上也能实现较好的重建效果。核心能力包括：利用深度学习模型从单目图像预测三维点云或体素，无需针对特定类别进行训练；支持多种输入格式和输出表示；提供了完整的训练、评估和推理代码。项目处于早期阶段，代码结构清晰，适合研究者和开发者探索零样本三维重建技术。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 141

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zxhuang1698

所属国家

官网地址https://zixuanh.com/projects/zeroshape.html

GitHubhttps://github.com/zxhuang1698/ZeroShape

定价模式free

价格说明开源代码仓库，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型3d-generation,3d-reconstruction,computer-vision,deep-learning,image-to-3d,zero-shot

GitHub 星标★ 141

30天Star增速

HF 下载量

上线时间2023-12-21 00:00:00

最近更新2026-09-04 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1

使用教程

核心亮点

基于回归的零样本方法，对未见类别有较好泛化能力
代码完整，包含训练、评估和推理流程，易于复现
支持多种三维表示，灵活适应不同下游任务

不足之处

早期项目，文档和社区支持待观察
零样本重建精度可能不如类别专用方法

适用场景

机器人抓取前的物体三维感知
自动驾驶中障碍物的快速三维建模
AR/VR中从单张照片生成虚拟物体

替代项目

Pix2Mesh、Occupancy Networks、IM-NET

项目介绍

ZeroShape 是计算机视觉领域的开源项目，由 zxhuang1698 开发，2023 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 141。

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 2026-09-04。开源代码仓库，无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：机器人抓取前的物体三维感知。同类可对比的替代方案包括 Pix2Mesh、Occupancy Networks、IM-NET。

上一篇：HandX

下一篇：Graph-CAD