TRELLIS Text XL是一个大型3D生成模型，是TRELLIS的文本条件版本，模型大小为XL。该模型基于论文《Structured 3D Latents for Scalable and Versatile 3D Generation》提出，能够根据文本描述生成高质量的3D内容。

animat3d_style_wan-lora是基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频生成，可为图像生成带来独特的3D动画风格效果。该模型基于Wan2.2-T2V-A14B基础模型进行微调，支持多种主流AI平台使用。

计算机视觉Diffusers

MapAnything是一个端到端训练的Transformer模型，能够以多种模态作为输入，直接回归场景的分解度量3D几何结构。该模型支持超过12种不同的3D重建任务，包括多图像SfM、多视图立体视觉、单目度量深度估计等。

计算机视觉Safetensors英语

FLUX.1-Layout-ControlNet是SpatialGen框架的关键组件，是一个基于语义图像条件化的ControlNet模型。它能够根据文本描述生成2D图像，同时严格遵循输入语义图像的布局约束，主要用于3D室内场景合成。

多模态Diffusers

STream3R是一种基于因果Transformer的可扩展序列3D重建模型，将点云图预测重新定义为仅解码器的Transformer问题。它引入流式处理框架，利用因果注意力高效处理图像序列，能够很好地泛化到各种具有挑战性的场景，包括传统方法经常失效的动态场景。

计算机视觉Safetensors

ESM-2是NVIDIA基于TransformerEngine优化的蛋白质语言模型，能够从氨基酸序列预测蛋白质3D结构。该模型采用掩码语言建模目标训练，在NVIDIA GPU上具有更快的训练和推理速度。

科学计算Transformers

这是一个LoRA模型，可将普通图像转换为具有黑色背景和3D视角的金属风格图像。

计算机视觉Diffusers支持多种语言

AnySplat是一种先进的3D高斯散点渲染模型，能够从不同视角的图像高效生成高质量的3D场景。该模型具有快速推理能力和良好的泛化性能，为3D重建和渲染提供了创新的解决方案。

计算机视觉Safetensors

混元3D-2是一款支持图像到3D、文本到3D转换的工具，为3D内容生成提供了强大的解决方案。

计算机视觉Diffusers支持多种语言

TRELLIS是一个基于图像条件的大型3D生成模型，采用结构化3D潜变量实现可扩展与多功能的3D生成。

TRELLIS的文本条件版本，采用XL大模型规模，是一款强大的3D生成模型。

InternVL3-78B-Instruct是一个先进的多模态大语言模型，在多模态感知、推理和语言处理等方面表现出色。该模型通过原生多模态预训练方法，将视觉和语言学习整合到统一训练阶段，在工具使用、GUI代理、工业图像分析、3D视觉感知等多个领域展现出卓越能力。

多模态Transformers其他

LGM是一个整合了多视角扩散模型的图像转3D工作流，能够从单张图像生成高质量3D内容。

计算机视觉Diffusers

混元3D 2.0是一个先进的大规模3D合成系统，用于生成高分辨率带纹理的3D资产。

计算机视觉Diffusers支持多种语言

InternVL3-14B-Instruct 是一个先进的多模态大语言模型（MLLM），展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种任务。

多模态Transformersmultilingual

InternVL3-78B是一款先进的多模态大语言模型，具备卓越的多模态感知和推理能力，在工具使用、GUI代理、工业图像分析、3D视觉感知等领域表现出色，整体文本性能也十分优秀。

多模态Transformers其他

InternVL3-14B是一个先进的多模态大语言模型，在InternVL 2.5基础上显著提升了多模态感知和推理能力，并拓展了工具使用、GUI代理、工业图像分析、3D视觉感知等领域的应用。

多模态Transformers其他

TRELLIS图像条件版本是一个大型3D生成模型，能够从图像生成3D内容。

TRELLIS是一个基于文本条件的大型3D生成模型，采用结构化3D潜变量实现可扩展与多功能的3D内容生成。

TRELLIS是一个大型3D生成模型，通过结构化3D潜变量实现可扩展与多功能的3D内容生成。