Home Progetti Difix3D
Difix3D
Python

Difix3D

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: Migliorare le Ricostruzioni 3D con Modelli di Diffusione a Passo Singolo

di nv-tlabs · GitHub
Stelle
Fork
Creato
Ultimo commit
Categoria
Lingua
3ddiffusion-modelsgaussian-splattingPython
Visualizza su GitHub
In parole semplici

Esegui processi avanzati di ricostruzione 3D utilizzando modelli di diffusione con un singolo comando, guidato da immagini di riferimento se necessario.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
Difix3D — GitHub preview card
📈 Storia delle stelle
1 2371 236
2026-07-202026-08-31
📈 Segui Difix3D

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: Migliorare le Ricostruzioni 3D con Modelli di Diffusione a Passo Singolo

Difix3D ha 1.2k stelle su GitHub. È stato forkato 106 volte. Difix3D è scritto principalmente in Python. È in sviluppo attivo dal 2025. I suoi temi principali sono: 3d, diffusion-models, gaussian-splatting, nerf.

Frequently asked questions

Che cos'è Difix3D?

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: Migliorare le Ricostruzioni 3D con Modelli di Diffusione a Passo Singolo

Difix3D è open source?

Difix3D è un progetto open source.

Difix3D è gratuito?

Sì. Difix3D è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto Difix3D?

Difix3D è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — Difix3D

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=nv-tlabs-difix3d)](https://olud.ai/project/nv-tlabs-difix3d.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.