hw-liang/Diffusion4D
Diffusion4D: Fast Spatial-temporal Consistent 4D Generation via Video Diffusion Models [Project Page] | [Arxiv] | [Code] News 2024.6.28: Released rendered data from curated objaverse-xl. 2024.6.4: Released rendered data from curated objaverse-1.0, including orbital videos of dynamic 3D, orbital videos of static 3D, and monocular videos from front view. 2024.5.27: Released metadata for objects! Overview We collect a large-scale, high-quality… See the full description on the dataset page: https://huggingface.co/datasets/hw-liang/Diffusion4D.
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🔥 Diffusion4D: Tạo Nội Dung 4D Nhanh Chóng Nhờ Video Diffusion Models
Khám phá cách Diffusion4D biến video diffusion models thành công cụ tạo ra các mô hình 4D (3D động) với độ nhất quán không gian-thời gian vượt trội.
Diffusion4D là một dự án nguồn mở từ VITA Group, chuyên về việc tạo ra các nội dung 4D một cách nhanh chóng và nhất quán bằng cách ứng dụng các mô hình diffusion video. Dự án này tập trung vào việc thu thập và tinh chế một bộ dữ liệu lớn từ các nguồn Objaverse-1.0 và Objaverse-XL, cung cấp các công cụ và tài nguyên cho cộng đồng nghiên cứu trong lĩnh vực tạo nội dung 3D/4D.
✨ Điểm nổi bật
- Bộ dữ liệu 4D khổng lồ: Thu thập hơn 365k tài sản 3D động từ Objaverse-1.0 và Objaverse-XL, đã được lọc để đảm bảo chất lượng.
- Metadata phong phú: Cung cấp ID, mô tả (caption từ Cap3D) cho các tác vụ như text-to-4D, hỗ trợ training mô hình.
- Script render linh hoạt: Kèm theo script Blender cho phép người dùng tự render dữ liệu cá nhân hóa với các thiết lập tuỳ biến.
- Dữ liệu đã render sẵn: Đội ngũ render trước các hình ảnh 4D, tiết kiệm thời gian GPU (tốn 5.5 ngày với 8 GPU) cho người dùng.
- Hỗ trợ đa dạng tác vụ: Phù hợp cho text-to-4D, image-to-4d, và 3d-to-4d, mở rộng ứng dụng trong animation, VR, và mô phỏng.
- Quy trình tinh chế khoa học: Áp dụng các quy tắc thực nghiệm để loại bỏ dữ liệu kém chất lượng, đảm bảo tính nhất quán không gian-thời gian.
💡 Vì sao đáng chú ý
Diffusion4D nổi biệt nhờ việc kết hợp video diffusion models để giải quyết vấn đề sự nhất quán thời gian trong tạo nội dung 4D, một thách thức lớn trong các phương pháp truyền thống. Đây là lựa chọn lý tưởng cho các nhà nghiên cứu muốn phát triển mô hình生成 4D mà không cần tài nguyên tính toán khổng lồ, hoặc cho các ứng dụng thực tế như sản xuất nội dung giải trí, giáo dục trực quan. Với bộ dữ liệu và công cụ mở, dự án này hứa hẹn thúc đẩy tiến bộ trong lĩnh vực AI cho 4D.
#4D #3D #TextTo4D #ImageTo4D #TiniX
Similar Projects
Discover other similar projects and AI models.
⚠️ Important: If you have already submitted an access request but have not completed the required DocuSign agreement, your request will remain pending. Please complete signing and we will grant access once verified. Interactive Intelligence from Human Xperience Xperience-10M Dataset Summary Xperience-10M is a large-scale egocentric multimodal dataset of human experience for embodied AI, robotics, world models, and spatial… See the full description on the dataset page: https://huggingface.co/datasets/ropedia-ai/xperience-10m.
3DCodeVerse — Towards Building the Universe via Code 3DCodeVerse aims to gather any code that creates, renders, or governs 3D — every dialect, one corpus. Text / Image / Video ↔ 3D Code ↔ 3D Assets Every entry is a self-contained, runnable project: the code, its rendered outputs, a metadata card, and text captions. Domains in scope: Object Modeling · Scene & World Modeling · Rendering · Materials & Shaders · Physics & Simulation · Animation & Articulation. 📄 Paper:… See the full description on the dataset page: https://huggingface.co/datasets/ilabai/3dcodeverse.
Project page Paper Code 3dcodebench.com arXiv:2606.01057 gaoypeng/3dcodebench News [06/01/2026] Paper released on arXiv: 3DCodeBench: Benchmarking Agentic Procedural 3D Modeling Via Code. Note. This is an open-source reproduction of 3DCodeBench. ⚠️ Under final check. The 3DCodeData/ code is still undergoing final quality review and may contain occasional issues (non-executable scripts, mismatched captions/renders, or imperfect geometry). If you run… See the full description on the dataset page: https://huggingface.co/datasets/YipengGao/3DCode.
UrbanVerse-100K Dataset [!NOTE] UrbanVerse-100K is a large-scale, physics-aware 3D asset and material database curated for urban simulation, physical and embodied AI research. It contains over 102K metric-scale urban object assets (GLB/USD), along with 646 4K sky maps (HDR) and 403 4K ground (road/sidewalk/terrain) materials (MDL), each annotated with rich semantic and physical attributes. The dataset is IsaacSim-ready, enabling scalable construction of realistic urban… See the full description on the dataset page: https://huggingface.co/datasets/Oatmealliu/UrbanVerse-100K.
Objaverse++: Curated 3D Object Dataset with Quality Annotations Paper Code Chendi Lin, Heshan Liu, Qunshu Lin, Zachary Bright, Shitao Tang, Yihui He, Minghao Liu, Ling Zhu, Cindy Le We cleaned the Objaverse dataset so you don't have to. In this work, we meticulously curated a collection of Objaverse objects and developed an effective classifier capable of scoring the entire Objaverse. Our extensive annotation system considers geometric structure and… See the full description on the dataset page: https://huggingface.co/datasets/cindyxl/ObjaversePlusPlus.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators ELECTRA is a new method for self-supervised language representation learning. It can be used to pre-train transformer networks using relatively little compute. ELECTRA mode...
Read our How to Run Qwen3.8-27B Guide!(https://unsloth.ai/docs/models/qwen3.8) This GGUF uses Unsloth Dynamic V3.0 (preview) for SOTA quantization performance. Developer Role Support so Qwen3.8 can work in agentic tools like Codex and more! MTP for...