[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-AiuniAI--Unique3D":3,"tool-AiuniAI--Unique3D":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":97,"env_os":98,"env_gpu":99,"env_ram":100,"env_deps":101,"category_tags":110,"github_topics":112,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":116,"updated_at":117,"faqs":118,"releases":148},6705,"AiuniAI\u002FUnique3D","Unique3D","[NeurIPS 2024] Unique3D: High-Quality and Efficient 3D Mesh Generation from a Single Image","Unique3D 是一款能够仅凭单张图片就快速生成高质量 3D 网格模型的开源 AI 工具。它主要解决了传统 3D 建模过程繁琐、耗时，以及现有 AI 方案在生成速度与模型细节之间难以兼顾的痛点。无论是缺乏专业建模技能的设计师，还是希望快速验证创意的游戏开发者或研究人员，都能利用 Unique3D 将平面概念图瞬间转化为可编辑的立体资产。\n\n该工具的核心亮点在于其卓越的效率与保真度：它能在约 30 秒内从单视角图像重建出几何结构精准、纹理丰富且多样化的 3D 模型，尤其擅长处理复杂多变的真实场景图片。技术层面，Unique3D 采用了先进的级联生成策略，不仅支持高分辨率纹理映射，还通过独特的法线优化机制提升了重建的稳定性。目前，项目已提供完善的本地部署指南（支持 Linux 和 Windows）、在线演示平台以及 ComfyUI 集成接口，方便不同技术背景的用户灵活调用。对于追求高效工作流的创意工作者而言，Unique3D 是一个极具潜力的免费开源选择，能显著降低 3D 内容创作的门槛。","**[中文版本](README_zh.md)**\n\n**[日本語版](README_jp.md)**\n\n# Unique3D\nOfficial implementation of Unique3D: High-Quality and Efficient 3D Mesh Generation from a Single Image. \n\n[Kailu Wu](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=VTU0gysAAAAJ&hl=zh-CN&oi=ao), [Fangfu Liu](https:\u002F\u002Fliuff19.github.io\u002F), Zhihan Cai, Runjie Yan, Hanyang Wang, Yating Hu, [Yueqi Duan](https:\u002F\u002Fduanyueqi.github.io\u002F), [Kaisheng Ma](https:\u002F\u002Fgroup.iiis.tsinghua.edu.cn\u002F~maks\u002F)\n\n## [Paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.20343) | [Project page](https:\u002F\u002Fwukailu.github.io\u002FUnique3D\u002F) | [Huggingface Demo](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FWuvin\u002FUnique3D) | [Online Demo](https:\u002F\u002Faiuni.ai\u002F#\u002Fmodeling)\n\n* Demo inference speed: Gradio Demo > Huggingface Demo > Huggingface Demo2 > Online Demo\n\n**If the Gradio Demo is overcrowded or fails to produce stable results, you can use the Online Demo [aiuni.ai](https:\u002F\u002Fwww.aiuni.ai\u002F), which is free to try (get the registration invitation code Join Discord: https:\u002F\u002Fdiscord.gg\u002Faiuni). However, the Online Demo is slightly different from the Gradio Demo, in that the inference speed is slower, but the generation is much more stable.**\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAiuniAI_Unique3D_readme_29eb1935b20a.jpg\">\n\u003C\u002Fp>\n\nHigh-fidelity and diverse textured meshes generated by Unique3D from single-view wild images in 30 seconds.\n\n## More features \n\nThe repo is still being under construction, thanks for your patience. \n- [x] Upload weights.\n- [x] Local gradio demo.\n- [x] Detailed tutorial.\n- [x] Huggingface demo.\n- [ ] Detailed local demo.\n- [x] Comfyui support.\n- [x] Windows support.\n- [x] Docker support.\n- [ ] More stable reconstruction with normal.\n- [ ] Training code release.\n\n## Preparation for inference\n\n* [Detailed linux installation guide](Installation.md).\n\n### Linux System Setup.\n\nAdapted for Ubuntu 22.04.4 LTS and CUDA 12.1.\n```angular2html\nconda create -n unique3d python=3.11\nconda activate unique3d\n\npip install ninja\npip install diffusers==0.27.2\n\npip install mmcv-full -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu121\u002Ftorch2.3.1\u002Findex.html\n\npip install -r requirements.txt\n```\n\n[oak-barry](https:\u002F\u002Fgithub.com\u002Foak-barry) provide another setup script for torch210+cu121 at [here](https:\u002F\u002Fgithub.com\u002Foak-barry\u002FUnique3D).\n\n### Windows Setup.\n\n* Thank you very much `jtydhr88` for the windows installation method! See [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15).\n\nAccording to [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15), implemented a bat script to run the commands, so you can:\n1. Might still require Visual Studio Build Tools, you can find it from [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F?q=build+tools).\n2. Create conda env and activate it\n   1. `conda create -n unique3d-py311 python=3.11`\n   2. `conda activate unique3d-py311`\n3. download [triton whl](https:\u002F\u002Fhuggingface.co\u002Fmadbuda\u002Ftriton-windows-builds\u002Fresolve\u002Fmain\u002Ftriton-2.1.0-cp311-cp311-win_amd64.whl) for py311, and put it into this project.\n4. run **install_windows_win_py311_cu121.bat**\n5. answer y while asking you uninstall onnxruntime and onnxruntime-gpu\n6. create the output folder **tmp\\gradio** under the driver root, such as F:\\tmp\\gradio for me.\n7. python app\u002Fgradio_local.py --port 7860\n\nMore details prefer to [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15).\n\n### Interactive inference: run your local gradio demo.\n\n1. Download the weights from [huggingface spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FWuvin\u002FUnique3D\u002Ftree\u002Fmain\u002Fckpt) or [Tsinghua Cloud Drive](https:\u002F\u002Fcloud.tsinghua.edu.cn\u002Fd\u002F319762ec478d46c8bdf7\u002F), and extract it to `ckpt\u002F*`.\n```\nUnique3D\n    ├──ckpt\n        ├── controlnet-tile\u002F\n        ├── image2normal\u002F\n        ├── img2mvimg\u002F\n        ├── realesrgan-x4.onnx\n        └── v1-inference.yaml\n```\n\n2. Run the interactive inference locally.\n```bash\npython app\u002Fgradio_local.py --port 7860\n```\n\n## ComfyUI Support\n\nThanks for the [ComfyUI-Unique3D](https:\u002F\u002Fgithub.com\u002Fjtydhr88\u002FComfyUI-Unique3D) implementation from [jtydhr88](https:\u002F\u002Fgithub.com\u002Fjtydhr88)!\n\n## Tips to get better results\n\n**Important: Because the mesh is normalized by the longest edge of xyz during training, it is desirable that the input image needs to contain the longest edge of the object during inference, or else you may get erroneously squashed results.**\n1. Unique3D is sensitive to the facing direction of input images. Due to the distribution of the training data, orthographic front-facing images with a rest pose always lead to good reconstructions.\n2. Images with occlusions will cause worse reconstructions, since four views cannot cover the complete object. Images with fewer occlusions lead to better results.\n3. Pass an image with as high a resolution as possible to the input when resolution is a factor.\n\n## Acknowledgement\n\nWe have intensively borrowed code from the following repositories. Many thanks to the authors for sharing their code.\n- [Stable Diffusion](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion)\n- [Wonder3d](https:\u002F\u002Fgithub.com\u002Fxxlong0\u002FWonder3D)\n- [Zero123Plus](https:\u002F\u002Fgithub.com\u002FSUDO-AI-3D\u002Fzero123plus)\n- [Continues Remeshing](https:\u002F\u002Fgithub.com\u002FProfactor\u002Fcontinuous-remeshing)\n- [Depth from Normals](https:\u002F\u002Fgithub.com\u002FYertleTurtleGit\u002Fdepth-from-normals)\n\n## Collaborations\nOur mission is to create a 4D generative model with 3D concepts. This is just our first step, and the road ahead is still long, but we are confident. We warmly invite you to join the discussion and explore potential collaborations in any capacity. \u003Cspan style=\"color:red\">**If you're interested in connecting or partnering with us, please don't hesitate to reach out via email (wkl22@mails.tsinghua.edu.cn)**\u003C\u002Fspan>.\n\n- Follow us on twitter for the latest updates: https:\u002F\u002Fx.com\u002Faiuni_ai\n- Join AIGC 3D\u002F4D generation community on discord: https:\u002F\u002Fdiscord.gg\u002Faiuni\n- Research collaboration, please contact: ai@aiuni.ai\n\n## Citation\n\nIf you found Unique3D helpful, please cite our report:\n```bibtex\n@misc{wu2024unique3d,\n      title={Unique3D: High-Quality and Efficient 3D Mesh Generation from a Single Image}, \n      author={Kailu Wu and Fangfu Liu and Zhihan Cai and Runjie Yan and Hanyang Wang and Yating Hu and Yueqi Duan and Kaisheng Ma},\n      year={2024},\n      eprint={2405.20343},\n      archivePrefix={arXiv},\n      primaryClass={cs.CV}\n}\n```\n","**[中文版本](README_zh.md)**\n\n**[日本語版](README_jp.md)**\n\n# Unique3D\nUnique3D 的官方实现：从单张图像高效生成高质量 3D 网格。\n\n[Kailu Wu](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=VTU0gysAAAAJ&hl=zh-CN&oi=ao), [Fangfu Liu](https:\u002F\u002Fliuff19.github.io\u002F), Zhihan Cai, Runjie Yan, Hanyang Wang, Yating Hu, [Yueqi Duan](https:\u002F\u002Fduanyueqi.github.io\u002F), [Kaisheng Ma](https:\u002F\u002Fgroup.iiis.tsinghua.edu.cn\u002F~maks\u002F)\n\n## [论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.20343) | [项目主页](https:\u002F\u002Fwukailu.github.io\u002FUnique3D\u002F) | [Huggingface 演示](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FWuvin\u002FUnique3D) | [在线演示](https:\u002F\u002Faiuni.ai\u002F#\u002Fmodeling)\n\n* 演示推理速度：Gradio 演示 > Huggingface 演示 > Huggingface 演示2 > 在线演示\n\n**如果 Gradio 演示过于拥挤或无法产生稳定结果，您可以使用免费试用的在线演示 [aiuni.ai](https:\u002F\u002Fwww.aiuni.ai\u002F)（获取注册邀请码，请加入 Discord：https:\u002F\u002Fdiscord.gg\u002Faiuni）。不过，在线演示与 Gradio 演示略有不同，其推理速度较慢，但生成效果更加稳定。**\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAiuniAI_Unique3D_readme_29eb1935b20a.jpg\">\n\u003C\u002Fp>\n\nUnique3D 在 30 秒内从单视角自然场景图像中生成高保真且纹理多样的网格模型。\n\n## 更多功能\n\n本仓库仍在建设中，感谢您的耐心等待。\n- [x] 上传权重。\n- [x] 本地 Gradio 演示。\n- [x] 详细教程。\n- [x] Huggingface 演示。\n- [ ] 详细的本地演示。\n- [x] ComfyUI 支持。\n- [x] Windows 支持。\n- [x] Docker 支持。\n- [ ] 使用法线进行更稳定的重建。\n- [ ] 发布训练代码。\n\n## 推理前准备\n\n* [详细的 Linux 安装指南](Installation.md)。\n\n### Linux 系统设置。\n\n适用于 Ubuntu 22.04.4 LTS 和 CUDA 12.1。\n```angular2html\nconda create -n unique3d python=3.11\nconda activate unique3d\n\npip install ninja\npip install diffusers==0.27.2\n\npip install mmcv-full -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu121\u002Ftorch2.3.1\u002Findex.html\n\npip install -r requirements.txt\n```\n\n[oak-barry](https:\u002F\u002Fgithub.com\u002Foak-barry) 提供了另一个针对 torch210+cu121 的设置脚本，详见 [这里](https:\u002F\u002Fgithub.com\u002Foak-barry\u002FUnique3D)。\n\n### Windows 设置。\n\n* 非常感谢 `jtydhr88` 提供的 Windows 安装方法！详情请参阅 [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15)。\n\n根据 [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15)，我们实现了一个用于运行命令的 bat 脚本，因此您可以：\n1. 可能仍然需要 Visual Studio Build Tools，您可以从 [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F?q=build+tools) 下载。\n2. 创建并激活 conda 环境\n   1. `conda create -n unique3d-py311 python=3.11`\n   2. `conda activate unique3d-py311`\n3. 下载适用于 py311 的 [triton whl](https:\u002F\u002Fhuggingface.co\u002Fmadbuda\u002Ftriton-windows-builds\u002Fresolve\u002Fmain\u002Ftriton-2.1.0-cp311-cp311-win_amd64.whl)，并将其放入该项目中。\n4. 运行 **install_windows_win_py311_cu121.bat**\n5. 当提示卸载 onnxruntime 和 onnxruntime-gpu 时，回答 y。\n6. 在驱动器根目录下创建输出文件夹 **tmp\\gradio**，例如我的 F:\\tmp\\gradio。\n7. 运行 `python app\u002Fgradio_local.py --port 7860`。\n\n更多细节请参考 [issues\u002F15](https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15)。\n\n### 交互式推理：运行您的本地 Gradio 演示。\n\n1. 从 [huggingface spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FWuvin\u002FUnique3D\u002Ftree\u002Fmain\u002Fckpt) 或 [清华大学云盘](https:\u002F\u002Fcloud.tsinghua.edu.cn\u002Fd\u002F319762ec478d46c8bdf7\u002F) 下载权重，并将其解压到 `ckpt\u002F*` 目录下。\n```\nUnique3D\n    ├──ckpt\n        ├── controlnet-tile\u002F\n        ├── image2normal\u002F\n        ├── img2mvimg\u002F\n        ├── realesrgan-x4.onnx\n        └── v1-inference.yaml\n```\n\n2. 在本地运行交互式推理。\n```bash\npython app\u002Fgradio_local.py --port 7860\n```\n\n## ComfyUI 支持\n\n感谢 [jtydhr88](https:\u002F\u002Fgithub.com\u002Fjtydhr88) 实现的 [ComfyUI-Unique3D](https:\u002F\u002Fgithub.com\u002Fjtydhr88\u002FComfyUI-Unique3D)！\n\n## 获取更好结果的技巧\n\n**重要提示：由于网格在训练时按 xyz 最长边进行归一化处理，因此在推理时，输入图像最好包含物体的最长边，否则可能会导致结果被错误地压缩。**\n1. Unique3D 对输入图像的朝向非常敏感。由于训练数据的分布特点，正视图且处于静止姿态的图像通常能带来较好的重建效果。\n2. 存在遮挡的图像会导致较差的重建效果，因为四个视角无法覆盖整个物体。遮挡较少的图像通常能获得更好的结果。\n3. 如果分辨率是一个重要因素，尽量使用尽可能高分辨率的图像作为输入。\n\n## 致谢\n\n我们大量借鉴了以下仓库中的代码。非常感谢这些作者分享他们的代码。\n- [Stable Diffusion](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion)\n- [Wonder3d](https:\u002F\u002Fgithub.com\u002Fxxlong0\u002FWonder3D)\n- [Zero123Plus](https:\u002F\u002Fgithub.com\u002FSUDO-AI-3D\u002Fzero123plus)\n- [Continues Remeshing](https:\u002F\u002Fgithub.com\u002FProfactor\u002Fcontinuous-remeshing)\n- [Depth from Normals](https:\u002F\u002Fgithub.com\u002FYertleTurtleGit\u002Fdepth-from-normals)\n\n## 合作机会\n我们的目标是构建一个基于 3D 概念的 4D 生成模型。这只是我们的第一步，未来的路还很长，但我们充满信心。我们诚挚邀请您参与讨论，并以任何形式探讨潜在的合作机会。\u003Cspan style=\"color:red\">**如果您有意与我们联系或合作，请随时通过电子邮件 (wkl22@mails.tsinghua.edu.cn) 与我们取得联系**\u003C\u002Fspan>。\n\n- 关注我们的 Twitter 以获取最新动态：https:\u002F\u002Fx.com\u002Faiuni_ai\n- 加入 Discord 上的 AIGC 3D\u002F4D 生成社区：https:\u002F\u002Fdiscord.gg\u002Faiuni\n- 如需科研合作，请联系：ai@aiuni.ai\n\n## 引用\n如果您觉得 Unique3D 有所帮助，请引用我们的报告：\n```bibtex\n@misc{wu2024unique3d,\n      title={Unique3D: High-Quality and Efficient 3D Mesh Generation from a Single Image}, \n      author={Kailu Wu and Fangfu Liu and Zhihan Cai and Runjie Yan and Hanyang Wang and Yating Hu and Yueqi Duan and Kaisheng Ma},\n      year={2024},\n      eprint={2405.20343},\n      archivePrefix={arXiv},\n      primaryClass={cs.CV}\n}\n```","# Unique3D 快速上手指南\n\nUnique3D 是一个能够从单张图像高效生成高质量 3D 网格模型的开源工具。本指南将帮助开发者在本地快速部署并运行该工具。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**: \n  - 推荐：Ubuntu 22.04.4 LTS (Linux)\n  - 支持：Windows (需额外配置)\n- **GPU**: 支持 CUDA 的 NVIDIA 显卡\n- **CUDA 版本**: 推荐 12.1\n- **Python 版本**: 3.11\n\n### 前置依赖\n- Conda (用于管理虚拟环境)\n- Git (用于克隆代码库)\n- Visual Studio Build Tools (仅 Windows 用户需要)\n\n## 安装步骤\n\n### 方案一：Linux 环境安装 (推荐)\n\n1. **创建并激活 Conda 环境**\n   ```bash\n   conda create -n unique3d python=3.11\n   conda activate unique3d\n   ```\n\n2. **安装基础依赖**\n   ```bash\n   pip install ninja\n   pip install diffusers==0.27.2\n   ```\n\n3. **安装 MMCV (适配 CUDA 12.1 + Torch 2.3.1)**\n   ```bash\n   pip install mmcv-full -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu121\u002Ftorch2.3.1\u002Findex.html\n   ```\n\n4. **安装项目其余依赖**\n   ```bash\n   pip install -r requirements.txt\n   ```\n\n### 方案二：Windows 环境安装\n\n1. **安装构建工具**\n   下载并安装 [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F?q=build+tools)。\n\n2. **创建并激活 Conda 环境**\n   ```bash\n   conda create -n unique3d-py311 python=3.11\n   conda activate unique3d-py311\n   ```\n\n3. **下载 Triton Wheel 包**\n   下载适用于 Python 3.11 的 [triton whl](https:\u002F\u002Fhuggingface.co\u002Fmadbuda\u002Ftriton-windows-builds\u002Fresolve\u002Fmain\u002Ftriton-2.1.0-cp311-cp311-win_amd64.whl) 文件，并将其放入项目根目录。\n\n4. **执行一键安装脚本**\n   运行项目提供的批处理文件：\n   ```bash\n   install_windows_win_py311_cu121.bat\n   ```\n   *注意：当脚本询问是否卸载 `onnxruntime` 和 `onnxruntime-gpu` 时，请输入 `y` 确认。*\n\n5. **创建输出目录**\n   在磁盘根目录下创建临时文件夹（例如 F 盘）：\n   ```text\n   F:\\tmp\\gradio\n   ```\n\n## 基本使用\n\n### 1. 下载模型权重\n从以下任一来源下载权重文件，并解压到项目根目录下的 `ckpt` 文件夹中，确保目录结构如下：\n- [HuggingFace Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FWuvin\u002FUnique3D\u002Ftree\u002Fmain\u002Fckpt)\n- [清华大学云盘 (国内加速)](https:\u002F\u002Fcloud.tsinghua.edu.cn\u002Fd\u002F319762ec478d46c8bdf7\u002F)\n\n**预期目录结构：**\n```text\nUnique3D\n├── ckpt\n│   ├── controlnet-tile\u002F\n│   ├── image2normal\u002F\n│   ├── img2mvimg\u002F\n│   ├── realesrgan-x4.onnx\n│   └── v1-inference.yaml\n```\n\n### 2. 启动本地 Gradio 演示\n在终端中运行以下命令启动交互式界面：\n\n**Linux\u002FMac:**\n```bash\npython app\u002Fgradio_local.py --port 7860\n```\n\n**Windows:**\n```bash\npython app\u002Fgradio_local.py --port 7860\n```\n*(确保已激活对应的 conda 环境)*\n\n启动后，浏览器会自动打开或访问 `http:\u002F\u002Flocalhost:7860`，上传一张图片即可生成 3D 模型。\n\n### 💡 获取更好效果的建议\n- **视角选择**：输入图片最好是正交的正视图（物体处于静止姿态），避免大角度侧视。\n- **遮挡处理**：尽量减少物体自身的遮挡，四个视图可能无法完全覆盖严重遮挡的物体。\n- **分辨率**：在显存允许的情况下，尽量输入高分辨率图片。\n- **构图关键**：由于训练时网格是按 XYZ 最长边归一化的，**输入图片必须包含物体的最长边**，否则生成的模型可能会被错误地压扁。","一位独立游戏开发者需要为即将上线的移动端 RPG 快速补充大量风格统一的道具资产，但手头只有一张概念设计草图。\n\n### 没有 Unique3D 时\n- **建模周期漫长**：美术人员需手动在 Blender 中根据草图进行多边形建模和拓扑，单个低模道具耗时至少 2-4 小时。\n- **外包成本高昂**：若将数百个道具外包给第三方团队，不仅沟通成本高，且单件费用累积是一笔巨大的开支。\n- **纹理映射繁琐**：从 2D 草图推导 3D UV 展开和手绘贴图极易出错，常出现拉伸或接缝不自然的问题。\n- **迭代响应迟缓**：策划临时调整道具造型时，重新建模和展 UV 的流程导致无法实时反馈修改效果。\n- **技术门槛限制**：团队缺乏资深 3D 美术师，难以在保证质量的前提下维持高速产出。\n\n### 使用 Unique3D 后\n- **秒级资产生成**：直接上传草图，Unique3D 能在 30 秒内自动生成高保真、拓扑合理的 3D 网格模型，效率提升数百倍。\n- **大幅降低成本**：无需额外雇佣建模师或支付外包费用，单人即可完成原本需要一个小组的工作量。\n- **自动高质量贴图**：工具自动完成几何重建与纹理映射，生成的材质细节丰富且无拉伸，直接可用。\n- **即时创意验证**：策划提出修改意见后，可立即重新生成多个变体方案进行对比，极大加速决策流程。\n- **工作流无缝集成**：支持 ComfyUI 和本地部署，生成的模型可直接导入游戏引擎，降低了 3D 创作的技术门槛。\n\nUnique3D 将传统数小时的 3D 建模流程压缩至秒级，让单兵开发者也能拥有工业级的资产生产能力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAiuniAI_Unique3D_29eb1935.jpg","AiuniAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAiuniAI_d26f2a3b.png","",null,"ai@aiuni.ai","aiuni.ai","https:\u002F\u002Fgithub.com\u002FAiuniAI",[81,85,89],{"name":82,"color":83,"percentage":84},"Python","#3572A5",98.8,{"name":86,"color":87,"percentage":88},"Dockerfile","#384d54",0.9,{"name":90,"color":91,"percentage":92},"Batchfile","#C1F12E",0.4,3556,289,"2026-04-09T14:22:18","MIT",4,"Linux, Windows","需要 NVIDIA GPU，CUDA 12.1 (Linux 明确适配，Windows 通过脚本支持)","未说明",{"notes":102,"python":103,"dependencies":104},"Linux 环境基于 Ubuntu 22.04.4 LTS 和 CUDA 12.1 测试；Windows 用户需安装 Visual Studio Build Tools 并手动下载 Triton wheel 文件；运行前需从 Huggingface 或清华云盘下载模型权重并放入 ckpt 目录；输入图像建议为正交正面视角且包含物体最长边以避免重建变形。","3.11",[105,106,107,108,109],"torch==2.3.1","diffusers==0.27.2","mmcv-full","ninja","triton==2.1.0 (Windows 需手动安装)",[111,15],"其他",[113,114,115],"3d-aigc","aigc","image-to-3d","2026-03-27T02:49:30.150509","2026-04-12T05:24:53.293940",[119,124,129,134,139,144],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},30260,"如何在 Windows 上成功安装并运行 Unique3D？","Windows 用户需要遵循以下关键步骤：\n1. 确保已安装 Visual Studio Build Tools。\n2. 创建 Conda 环境（推荐 Python 3.11）：`conda create -n unique3d-py311 python=3.11`。\n3. 安装特定版本的 PyTorch：`pip install torch torchvision torchaudio xformers --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu121`。\n4. 手动下载并安装适配 Python 3.11 的 Triton wheel 文件（从 HuggingFace）。\n5. 安装 Ninja：`pip install Ninja`。\n6. 强制安装旧版 diffusers：`pip install diffusers==0.27.2`（新版不兼容）。\n7. 修改 requirements.txt，移除 `torch>=2.0.1`, `diffusers>=0.26.3`, `xformers`, `onnxruntime_gpu` 行。\n8. 卸载原有的 onnxruntime 和 onnxruntime-gpu，然后从微软源安装特定版本：`pip install onnxruntime-gpu --extra-index-url https:\u002F\u002Faiinfra.pkgs.visualstudio.com\u002FPublicPackages\u002F_packaging\u002Fonnxruntime-cuda-12\u002Fpypi\u002Fsimple\u002F`。\n9. 运行时需手动创建输出文件夹（如 `tmp\\gradio`）。","https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F15",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},30261,"遇到 'The view direction is not correct' 断言错误怎么办？","该错误通常由 nvdiffrast 版本不兼容引起。解决方案是将 nvdiffrast 降级到 v0.3.1 版本。具体命令如下：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fnvdiffrast.git\ncd nvdiffrast\ngit checkout v0.3.1\npip install -e .\n```\n此外，也有用户建议修改代码中的断言阈值（例如将 `\u003C 0` 改为 `\u003C 0.05`）来容忍轻微的视角偏差，但降级库版本是更推荐的修复方式。","https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F54",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},30262,"在 Docker 中运行时遇到 'eglInitialize() failed' 或 TensorRT 加载错误如何解决？","在 Docker (nvidia\u002Fcuda) 环境中运行时：\n1. 如果遇到 `eglInitialize() failed`，通常是因为缺少显示后端配置，确保 Docker 启动参数包含 `--gpus all` 和足够的共享内存 (`--shm-size`)。\n2. 如果遇到 ONNXRuntime TensorRT 错误（如 `libnvinfer.so.10: cannot open shared object file`），说明 TensorRT 未正确安装。请在容器内执行 `apt-get install tensorrt` 进行安装，安装后即可正常进行 GPU 推理。","https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F34",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},30263,"Windows 上转换图片时出现 ONNXRuntimeError (LoadLibrary failed error 126) 且回退到 CPU 模式极慢，如何修复？","此错误表明 TensorRT 提供者未能正确加载，导致程序回退到 CPU 模式（速度极慢）。\n解决方法：\n1. 确保已正确安装与 CUDA 版本匹配的 TensorRT。\n2. 检查环境变量，确保 TensorRT 的 bin 目录已添加到 PATH 中。\n3. 如果使用的是虚拟环境，确认 onnxruntime-gpu 是通过指定索引 URL 安装的特定版本，而不是默认 pip 源的最新版本。\n4. 参考 Issue #34，在 Linux\u002FDocker 下可通过 `apt-get install tensorrt` 解决，Windows 用户需手动下载 NVIDIA TensorRT 压缩包并配置环境变量。","https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F31",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},30264,"无法使用 Conda 时，能否在 Windows 上通过 venv 安装 Unique3D？","虽然可以尝试使用 venv，但在 Windows 上难度极大且不推荐，主要障碍如下：\n1. 依赖项极其复杂（dependencies of dependencies）。\n2. 关键组件 `pytorch3d` 在 Windows 的 venv 中很难安装，通常会报 `ModuleNotFoundError: No module named 'pytorch3d.structures'`。官方并未提供简单的 Windows pip wheel，通常需要源码编译，这需要完整的 Visual Studio C++ 环境且极易失败。\n3. 即使解决了 pytorch3d，还可能遇到 gradio 相关的导入错误（如 `try_queue_event` 拼写问题），需要手动修改 site-packages 中的代码。\n建议：如果可能，尽量使用 WSL2 (Windows Subsystem for Linux) 或 Docker 进行安装，以避免 Windows 原生环境的兼容性地狱。","https:\u002F\u002Fgithub.com\u002FAiuniAI\u002FUnique3D\u002Fissues\u002F41",{"id":145,"question_zh":146,"answer_zh":147,"source_url":123},30265,"运行时出现 xformers 的 FutureWarning 警告是否影响使用？","日志中出现的 `FutureWarning: torch.library.impl_abstract was renamed to...` 是 xformers 库与当前 PyTorch 版本之间的兼容性警告。根据社区反馈，这些警告通常不会阻止程序的正常运行，也不会影响网格生成的最终结果。只要程序没有抛出致命错误（Error）并崩溃，可以忽略这些警告继续等待生成完成。",[]]