一、教程简介

Kiss3DGen 是由 EnVision-Research 团队开发的开源 3D 生成与重建框架，发表于 2025 年 3 月，旨在将预训练的 2D 扩散模型高效迁移到 3D 内容生成任务中。它支持高质量多视角渲染、文本生成 3D 、图像到 3D 、以及 3D 网格重建等多种功能，集成了 Flux 、 Multiview 、 Caption 、 Reconstruction 、 LLM 等先进模块，并引入 3D Bundle Image 技术结合法线图与纹理信息实现精准几何重构，同时可配合 ControlNet 等工具进行 3D 模型的增强与编辑。该框架开源、易于部署，兼具学术研究与实际应用价值。相关论文成果为 Kiss3DGen: Repurposing Image Diffusion Models for 3D Asset Generation，已被 CVPR 2025 收录。

本教程采用资源为双卡 RTX a6000 。项目提示词仅支持英文。

二、项目示例

text-to-3D 

image-to-3D 

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

2. 使用步骤

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 5-7 分钟后刷新页面。

text-to-3D 

image-to-3D

注意：如果报错请更换更小的图片，建议使用 3 MB 以下的图片生成

参数说明

• redux strength（重绘强度）：控制对生成结果进行「重绘/优化」的力度。数值越高，对原生成图像的修改幅度越大，细节变化更多；数值越低，则保留更多原有生成的细节与结构。取值范围 0–1 。
• denoise strength（降噪强度）：控制生成过程中的降噪幅度。较高的数值（接近 1）会生成与输入提示更接近但变化幅度大的图像；较低数值则生成更接近原始图像的结果。取值范围 0–1 。
• enable redux（启用重绘）：开启后，会在生成完成后自动进行一次基于 redux strength 的优化重绘，以提升图像质量与细节。
• enable controlnet（启用 ControlNet）：开启后，允许在生成过程中使用 ControlNet 进行结构或特征约束（例如参考草图、边缘图、深度图等），使生成图像在保持风格的同时符合特定结构要求。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

本项目引用信息如下：

@article{lin2025kiss3dgen,
  title={Kiss3DGen: Repurposing Image Diffusion Models for 3D Asset Generation},
  author={Lin, Jiantao and Yang, Xin and Chen, Meixi and Xu, Yingjie and Yan, Dongyu and Wu, Leyi and Xu, Xinli and Xu, Lie and Zhang, Shunsi and Chen, Ying-Cong},
  journal={arXiv preprint arXiv:2503.01370},
  year={2025}
}