2025年最佳的 177 个3D视觉工具

腾讯推出的先进3D合成系统，支持从图像或文本生成高分辨率带纹理3D资产

TRELLIS Image Large是一个大型3D生成模型TRELLIS的图像条件版本，能够依据输入图像生成3D内容。

Depth Anything V2是目前最强大的单目深度估计模型，基于59.5万张合成标注图像和6200万+真实无标注图像训练而成，具有精细细节和鲁棒性。

基于视觉变换器(ViT)的单目深度估计模型，在140万张图像上训练，适用于零样本深度预测任务。

基于视觉变换器(ViT)的单目深度估计模型，在140万张图像上训练

VGGT是一种前馈神经网络，能够直接从场景的一个、几个或数百个视图中，在数秒内推断出所有关键的3D属性。

Depth Anything是基于DPT架构和DINOv2骨干网络的深度估计模型，在约6200万张图像上训练，在相对和绝对深度估计任务中取得了最先进的结果。

Depth Anything V2 是目前最强大的单目深度估计模型，基于大量合成和真实图像训练，提供精细的深度细节和高鲁棒性。

MASt3R是一个基于ViT架构的图像转3D模型，能够实现图像与3D空间的匹配

Depth Anything是基于DPT架构的深度估计模型，采用DINOv2骨干网络，在约6200万张图像上训练，在相对和绝对深度估计任务上表现优异。

基于稳定扩散模型微调的单目图像深度估计模型，具有仿射不变性，适用于自然场景的深度预测

Depth Anything V2是目前最强大的单目深度估计(MDE)模型，基于59.5万张合成标注图像和6200万+真实无标注图像训练而成，具有更精细的细节和更强的稳健性。

Depth Anything V2是目前最强大的单目深度估计(MDE)模型，基于59.5万张合成标注图像与6200万+真实无标注图像训练而成

Depth Anything V2 是目前性能最强的单目深度估计模型，基于大规模合成与真实图像训练，相比V1版本能捕捉更精细的细节且更鲁棒。

DepthCrafter是一个能够为开放世界视频生成时间上连贯的长深度序列的模型，具有精细的细节，无需额外的信息如相机姿态或光流。

基于Depth Anything V2使用合成Hypersim数据集进行室内度量深度估计的微调版本，兼容transformers库。

Depth Anything V2 是目前最强大的单目深度估计模型，基于59.5万张合成标注图像和6200万+真实无标注图像训练而成，具有更精细的细节和更强的鲁棒性。

DUSt3R是一个用于从图像轻松实现几何3D视觉的模型，能够从单张或多张图像重建3D场景。

Lotus是一个基于扩散模型的视觉基础模型，专注于高质量的密集预测任务。

DPT是基于BEiT骨干网络的密集预测变换器模型，用于单目深度估计，在140万张图像上训练。

腾讯混元3D 2mini是一个轻量高效的图像转3D模型，参数规模为6亿，支持中英文输入。

基于潜在一致性蒸馏方法微调的单目深度估计模型，用于从单张图像生成深度图

ZoeDepth是基于NYU和KITTI数据集微调的深度估计模型，能够以实际度量单位估计深度值。

通过降低扩散方差实现稳定锐利的法线贴图生成的模型

TRELLIS的改进版，支持将2D图像转换为3D模型，特别支持法线条件化处理。

TripoSR是由Stability AI与Tripo AI联合开发的快速前馈式3D生成模型，专注于从单张图像快速重建3D模型。

Depth Anything 是一个强大的深度估计模型，利用大规模无标签数据释放深度估计的潜力。

fast3r是一个专注于图像转3D的模型，由Facebook Research开发。

DepthPro是一个用于零样本度量单目深度估计的基础模型，能够生成高分辨率、高精度的深度图。

OpenLRM是论文LRM的开源实现，能够从单张图像生成3D模型，包含不同规模的多个版本。

混元3D-2多视图版是基于混元3D-2微调的版本，支持多视角控制形状生成的高分辨率纹理3D资产生成模型。

基于Depth Anything V2模型，针对室内度量深度估计任务使用Hypersim合成数据集微调的版本

基于稳定扩散模型微调的单目图像法线估计模型，可从单张RGB图像预测表面法线图

Depth Anything是一种深度估计模型，利用大规模无标记数据提升性能，适用于单目深度估计任务。

GLPN模型在NYUv2数据集上训练，用于单目深度估计，结合全局和局部路径网络实现高精度深度预测。

MonST3R是一种在运动存在下估算几何形状的简单方法，能够从图像中重建3D场景。

Depth Anything 是一个基于大规模无标签数据训练的深度估计模型，能够从单张图像中预测深度信息。

通过降低扩散方差实现稳定锐利的法线贴图生成的模型

ZoeDepth是一个用于单目深度估计的视觉模型，在KITTI数据集上进行了微调，能够实现零样本迁移的度量深度估计。

Shap-E是一种基于扩散过程的文本生成3D图像模型，能够根据文本提示生成可渲染为纹理网格和神经辐射场的3D资产。

忒伊亚是一个面向机器人学习的视觉基础模型，通过蒸馏多个视觉基础模型获得丰富的视觉表征能力

TripoSG是基于大规模修正流模型的高保真3D形状合成基础模型，能够实现单图像到高质量3D网格的生成。