Início Projetos Make-It-3D
Make-It-3D
Python

Make-It-3D

[ICCV 2023] Make-It-3D: Criação 3D de Alta Fidelidade a partir de uma Única Imagem com Difusão Prévia

por junshutang · GitHub
Estrelas
Forks
Criado
Último commit
Categoria
Linguagem
3d-generation3d-visioncomputer-visionPython
Ver no GitHub
Em palavras simples

Crie modelos 3D detalhados a partir de apenas uma imagem usando técnicas avançadas em visão computacional.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
Make-It-3D — GitHub preview card
📈 Histórico de estrelas
1 8871 886
2026-07-202026-08-31
📈 Acompanhe Make-It-3D

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

[ICCV 2023] Make-It-3D: Criação 3D de Alta Fidelidade a partir de uma Única Imagem com Difusão Prévia

Make-It-3D tem 1.9k estrelas no GitHub. Foi bifurcado 137 vezes. Make-It-3D é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. Os seus principais temas são: 3d-generation, 3d-vision, computer-vision, deep-learning.

Frequently asked questions

O que é Make-It-3D?

[ICCV 2023] Make-It-3D: Criação 3D de Alta Fidelidade a partir de uma Única Imagem com Difusão Prévia

Make-It-3D é de código aberto?

Make-It-3D é um projeto de código aberto.

Make-It-3D é gratuito?

Sim. Make-It-3D é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem Make-It-3D está escrito?

Make-It-3D é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — Make-It-3D

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=junshutang-make-it-3d)](https://olud.ai/project/junshutang-make-it-3d.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.