TRELLIS Text XL是一個大型3D生成模型，是TRELLIS的文本條件版本，模型大小為XL。該模型基於論文《Structured 3D Latents for Scalable and Versatile 3D Generation》提出，能夠根據文本描述生成高質量的3D內容。

animat3d_style_wan-lora是基於AI Toolkit by Ostris訓練的LoRA模型，專門用於文本到視頻生成，可為圖像生成帶來獨特的3D動畫風格效果。該模型基於Wan2.2-T2V-A14B基礎模型進行微調，支持多種主流AI平臺使用。

計算機視覺Diffusers

MapAnything是一個端到端訓練的Transformer模型，能夠以多種模態作為輸入，直接回歸場景的分解度量3D幾何結構。該模型支持超過12種不同的3D重建任務，包括多圖像SfM、多視圖立體視覺、單目度量深度估計等。

計算機視覺Safetensors英語

FLUX.1-Layout-ControlNet是SpatialGen框架的關鍵組件，是一個基於語義圖像條件化的ControlNet模型。它能夠根據文本描述生成2D圖像，同時嚴格遵循輸入語義圖像的佈局約束，主要用於3D室內場景合成。

多模態Diffusers

STream3R是一種基於因果Transformer的可擴展序列3D重建模型，將點雲圖預測重新定義為僅解碼器的Transformer問題。它引入流式處理框架，利用因果注意力高效處理圖像序列，能夠很好地泛化到各種具有挑戰性的場景，包括傳統方法經常失效的動態場景。

計算機視覺Safetensors

ESM-2是NVIDIA基於TransformerEngine優化的蛋白質語言模型，能夠從氨基酸序列預測蛋白質3D結構。該模型採用掩碼語言建模目標訓練，在NVIDIA GPU上具有更快的訓練和推理速度。

科學計算Transformers

這是一個LoRA模型，可將普通圖像轉換為具有黑色背景和3D視角的金屬風格圖像。

計算機視覺Diffusers多語言

AnySplat是一種先進的3D高斯散點渲染模型，能夠從不同視角的圖像高效生成高質量的3D場景。該模型具有快速推理能力和良好的泛化性能，為3D重建和渲染提供了創新的解決方案。

計算機視覺Safetensors

混元3D-2是一款支持圖像到3D、文本到3D轉換的工具，為3D內容生成提供了強大的解決方案。

計算機視覺Diffusers多語言

TRELLIS是一個基於圖像條件的大型3D生成模型，採用結構化3D潛變量實現可擴展與多功能的3D生成。

TRELLIS的文本條件版本，採用XL大模型規模，是一款強大的3D生成模型。

InternVL3-78B-Instruct是一個先進的多模態大語言模型，在多模態感知、推理和語言處理等方面表現出色。該模型通過原生多模態預訓練方法，將視覺和語言學習整合到統一訓練階段，在工具使用、GUI代理、工業圖像分析、3D視覺感知等多個領域展現出卓越能力。

多模態Transformers其他

LGM是一個整合了多視角擴散模型的圖像轉3D工作流，能夠從單張圖像生成高質量3D內容。

計算機視覺Diffusers

混元3D 2.0是一個先進的大規模3D合成系統，用於生成高分辨率帶紋理的3D資產。

計算機視覺Diffusers多語言

InternVL3-14B-Instruct 是一個先進的多模態大語言模型（MLLM），展示了卓越的多模態感知和推理能力，支持工具使用、GUI代理、工業圖像分析、3D視覺感知等多種任務。

多模態Transformersmultilingual

InternVL3-78B是一款先進的多模態大語言模型，具備卓越的多模態感知和推理能力，在工具使用、GUI代理、工業圖像分析、3D視覺感知等領域表現出色，整體文本性能也十分優秀。

多模態Transformers其他

InternVL3-14B是一個先進的多模態大語言模型，在InternVL 2.5基礎上顯著提升了多模態感知和推理能力，並拓展了工具使用、GUI代理、工業圖像分析、3D視覺感知等領域的應用。

多模態Transformers其他

TRELLIS圖像條件版本是一個大型3D生成模型，能夠從圖像生成3D內容。

TRELLIS是一個基於文本條件的大型3D生成模型，採用結構化3D潛變量實現可擴展與多功能的3D內容生成。

TRELLIS是一個大型3D生成模型，通過結構化3D潛變量實現可擴展與多功能的3D內容生成。