---
title: "DimensionX – 港科大、清华和生数科技共同推出的单图像生成复杂3D、4D场景框架"
url: "https://paooo.com/aigc-news/25715/"
author: "Prompt 语宙研究院"
published_at: "2026-07-15T22:48:29+08:00"
updated_at: "2026-07-15T22:48:29+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, AI视频生成, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# DimensionX – 港科大、清华和生数科技共同推出的单图像生成复杂3D、4D场景框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/25715/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-15

## AI 30 秒核心看点 (TL;DR)

- 基于ST-Director解耦空间与时间因素，实现单图生成3D/4D复杂场景。
- 引入轨迹感知机制与身份保持去噪策略，提升多视角一致性与真实感。
- 适用于电影、游戏、VR/AR、建筑与教育等需要动态三维内容的场景。

## DimensionX是什么

DimensionX是香港科技大学、清华大学和生数科技共同推出的框架，能从单张图片生成高逼真度的3D和4D场景，基于视频扩散技术实现对空间和时间维度的精确控制。框架基于ST-Director技术解耦空间和时间因素，支持独立或组合控制，生成具有动态变化的复杂场景。DimensionX包含轨迹感知机制和身份保持去噪策略，增强场景的一致性和真实感。

## DimensionX的主要功能

- **3D场景生成**：从单张图片生成新的视角渲染图，构建3D场景。

- **4D场景生成**：从单张图片生成包含时间和空间变化的动态场景。

- **视频扩散控制**：基于ST-Director技术，实现对视频扩散过程中空间和时间因素的解耦和精确控制。

- **轨迹感知机制**：为3D生成设计，处理复杂的现实世界场景和相机运动。

- **身份保持去噪策略**：为4D生成设计，增强场景的一致性，特别是在动态对象和背景之间。

## DimensionX的技术原理

- **ST-Director（空间和时间导演）**：

**维度感知LoRAs**：学习从维度变化数据中得到的低秩适应（LoRAs），实现对视频扩散中空间和时间因素的解耦。

- **S-Director（空间导演）**：负责生成与空间变化相关的视频帧，控制相机视角和位置。

- **T-Director（时间导演）**：负责生成与时间变化相关的视频帧，控制场景中对象的动态。

- **维度感知分解**：定义空间和时间等价关系，创建S-Quotient Space和T-Quotient Space，分别捕获视频中的空间轨迹和时间运动轨迹。

- **无需训练的维度感知组合**：基于视频扩散过程中的去噪机制，开发无需训练的方法实现混合维度控制，用在去噪过程的不同阶段切换S-Director和T-Director生成包含空间和时间变化的视频。

- **3D场景生成**：

**轨迹感知机制**：根据不同的相机运动轨迹训练多种S-Director，覆盖广泛的相机运动模式。

- **视频插值模型**：生成高质量的插值视频，平滑和一致地过渡稀疏视图。

- **4D场景生成**：

**参考视频latent共享**：基于选择参考帧并共享其latent代码增强所有空间变体视频之间的一致性。

- **外观细化**：对每个视点的动态视频进行细化，增强多视图视频之间的稳定性和一致性。

## DimensionX的项目地址

- **项目官网**：[chenshuo20.github.io/DimensionX](https://chenshuo20.github.io/DimensionX/?utm_source=ai-bot.cn)

- **GitHub仓库**：[https://github.com/wenqsun/DimensionX](https://github.com/wenqsun/DimensionX)

- **arXiv技术论文**：[https://arxiv.org/pdf/2411.04928](https://arxiv.org/pdf/2411.04928)

## DimensionX的应用场景

- **电影和娱乐行业**：生成特效场景，减少拍摄成本，创建虚拟背景。

- **游戏开发**：生成逼真游戏环境，快速原型设计。

- **虚拟现实（VR）和增强现实（AR）**：创建动态三维环境，增强用户体验。

- **建筑和城市规划**：根据设计图生成建筑模型，模拟城市规划。

- **教育和培训**：创建历史场景可视化，模拟紧急情况。

## 常见问题解答 (FAQ)

### DimensionX能从单张图片生成什么？
DimensionX可从单张图片生成高逼真度的3D和4D场景，既能输出新的视角渲染图，也能生成包含时间变化的动态场景，适合复杂空间与运动内容构建。

### DimensionX的核心技术是什么？
核心是ST-Director框架，通过S-Director和T-Director分别控制空间与时间因素，并结合维度感知LoRAs、轨迹感知机制和身份保持去噪策略提升一致性。

### DimensionX适合哪些应用场景？
它适合电影特效、游戏环境生成、VR/AR动态场景、建筑与城市规划可视化，以及教育培训中的历史场景和应急模拟等需要3D/4D内容的领域。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)