deepopen-com/deepopen-3d-webs

一个把 LucidDreamer、ZoeDepth 与 Gradio 界面封装进 Docker 的单图生三维工作台。想快速体验图像驱动的场景重建，它适合当作演示工具；但别把它当成生产级资产管线。

解决什么问题

从一张静图走到别人能自由观察的三维场景，通常要分别做深度估计、图像补全、高斯重建和相机漫游，再把结果拼起来做评审。光域造景把这些步骤收进一个界面：上传参考图，选用或载入中文示例的提示词与相机轨迹，点击生成。产出是彩色动画、深度动画和可在网页里拖拽的高斯点云三件套，外加可下载的 PLY。变化在于同一间“工作室”从输入一路走到可分享的评审页，不必再在工具之间倒文件。

有什么不同

核心机制是 LucidDreamer 管线：扩散补全与 ZoeDepth 围绕参考视角估计深度，再用三维高斯把场景烘焙成 PLY，沿选定相机路径渲染。README 区分了“生成轨迹”和“渲染轨迹”，让人先决定空间怎么被观察，再决定成片怎么运动。一键生成会从预览、彩色动画到深度动画完整跑完；两个分步按钮则分别停在烘焙高斯或渲染视频之后，只想要点云时，这比全有或全无的单一按钮更实用。

项目概览与功能列表

代价是这类重建方法共有的：你得到的是看起来合理的漫游，而不是有保真承诺的重建，PLY 文件可能达到数百 MB。正式生成前先翻示例画廊，判断它的输入输出质量是否满足你的需要。

谁值得试

适合：手头已有一张风格化图片的概念设计师、动画师或教师，想要一个快速环视版本、一段短相机飞越，或一份能在浏览器里给协作者看的点云。内置演示资产也适合课堂和提案，演示模式不需要 GPU。不适合：需要精确、可测量重建的人，或希望把输出直接接入 DCC 管线而不做手工清理的人；README 描述的是场景与相机预设和 PLY 导出，并没有给出干净的资产制作流程。不熟悉中文界面的用户也应先确认提示词工作流与示例库是否适合自己的内容。

两条 Docker 路径决定了谁能用：默认镜像以无 GPU 的演示模式运行，而真正生成使用 CUDA 镜像，并需要下载扩散与 ZoeDepth 权重（见本地部署说明）。

使用条件与边界

在文档给出的路径中，真正生成的硬件门槛最高：需要 NVIDIA GPU（建议 16 GB 显存）、NVIDIA Container Toolkit 或本地 CUDA 环境、CUDA 版 PyTorch，以及编译好的 simple-knn 和 depth-diff-gaussian-rasterization 子模块；完整模式还要下载扩散与 ZoeDepth 权重，缓存约 30 GB。缺任何一项，系统会回退到演示模式——这处理得体，但可能让你误以为在生成、实际只是在放演示。

演示路径轻得多：Docker Engine 24+、Compose、8090 端口、建议 8 GB 以上内存，PLY 演示还要额外几 GB 磁盘。项目未声明许可证，若要把生成资产或代码用于商业场景，需要先确认这一点，再围绕它搭建流程。此外，CUDA 环境与模型缓存需要持续维护，而不是装一次就一劳永逸。

HotRepo 点评

HotRepo 目前只有 2026-10-27 一天的记录：在新项目榜（不是总榜/日榜）的 Python 分类中为 200 总星、#18。这是新仓库榜的观察，不是单日增长数据；缺少可比的日榜历史，无法判断热度能否持续。当下最该核实的是许可证，以及演示内容与你自己的图片加提示词生成之间的边界。