GitHub 高星图形学与三维建模资源地图

先说明这份清单的用法#

GitHub 上的“高星”只能说明关注度高，不能直接等于“适合你现在读”。一个 10 万星的框架，可能对刚学图形学的人毫无帮助；一个 1 千星的领域库，反而可能是某个问题的标准答案。

这份地图按问题组织，而不是按星数排名。星标数据来自 2026-10-21 的 GitHub API，之后会继续变化。每个项目都附了链接，建议先看 README、示例和 LICENSE，再决定要不要投入时间。

一、渲染与图形学入门#

项目	Stars	适合解决的问题	怎么用
tinyrenderer	24,423	从零理解光栅化、深度缓冲、着色	跟着课程手写一遍软渲染器
LearnOpenGL	12,666	系统学 OpenGL 管线	按章节跑代码，再改参数观察结果
three.js	116,685	Web 端 3D 场景与可视化	从 examples 里找最接近需求的 demo
taichi	28,425	用 Python 写高性能 GPU 计算	做粒子、流体、可微渲染原型

tinyrenderer 和 LearnOpenGL 是“理解原理”的路线，three.js 是“快速交付”的路线。两条路不冲突，但不要同时开。先选一个能两周内做出画面的，再补另一条。

taichi 值得单独提：它把 GPU 编程藏进 Python 语法里，适合验证仿真或图形算法，而不必先写大量 CUDA。代价是生态和调试体验与原生图形 API 不同，做产品前要评估。

二、建模、网格与资产管线#

项目	Stars	定位	注意点
Blender	21,111	开源三维创作套件	GitHub 是官方镜像，主仓库在 Blender projects
Open3D	14,110	点云与网格处理、可视化	Python 接口友好，适合做实验
trimesh	3,704	Python 三角网格读写与几何运算	轻量，适合脚本化处理
meshoptimizer	8,583	网格压缩与渲染优化	更偏引擎侧，不是建模工具
Draco	7,520	网格与点云压缩	关注解码端支持与精度损失

这一组的关键不是“都学”，而是分清创作、处理、传输三件事：

• 创作：Blender。
• 处理：Open3D、trimesh、libigl。
• 传输：Draco、meshoptimizer。

如果你的模型最终要进 Web 或引擎，压缩和 LOD 早晚要补；如果只是做分析，先把 Open3D/trimesh 用熟更划算。

三、几何算法与网格处理#

项目	Stars	强项	学习门槛
CGAL	6,084	稳健几何谓词、三角剖分、布尔运算	高，C++ 与几何基础都要过关
libigl	5,106	几何处理算法集合	中高，适合有 Eigen 基础的人
geogram	2,566	几何算法与网格处理	中高，文档相对分散

CGAL 的价值在于“稳健”：自己写布尔运算，很容易在共面、退化三角形上翻车；CGAL 用精确谓词把这些边界情况处理掉。代价是编译和接入成本高，不适合当第一周的练手库。

libigl 更像一本“可运行的几何处理教材”，很多算法都有对应论文和示例。想实现 Laplacian 平滑、参数化、调和场，从它的 tutorial 入手比从头推公式快。

四、参数化与程序化 CAD#

项目	Stars	定位	适合谁
FreeCAD	34,589	开源参数化实体建模	想要完整 CAD 工作流的人
OpenSCAD	10,476	代码描述实体	喜欢“写模型”而不是“拖模型”的人
CadQuery	5,968	Python 参数化 CAD（OCCT）	要批量生成零件、接自动化的人

三者的分界很清楚：

• FreeCAD 有 GUI、草图、特征树，适合做完整设计。
• OpenSCAD 用脚本描述几何，适合简单零件和 3D 打印。
• CadQuery 把 Python 和 B-rep 结合起来，适合“参数表驱动”的系列化零件。

如果你已经会 Python，CadQuery 的上手成本通常低于 FreeCAD 的脚本接口；如果你需要可视化和装配，FreeCAD 更完整。

五、点云、重建与神经渲染#

项目	Stars	方向	备注
PCL	11,179	点云处理	C++ 老牌库，功能全但偏重
3D Gaussian Splatting	24,288	辐射场重建与实时渲染	原论文参考实现，显存要求高
Instant-NGP	17,578	NeRF / 神经图形	依赖 NVIDIA GPU，适合做基线

这一方向变化很快，今天的“最佳实践”半年后可能就被替换。建议把注意力放在输入输出与评估上：数据怎么采集、相机位姿怎么来、重建误差怎么量，而不是只追某个仓库的 demo。

六、值得单独收藏的清单#

清单	Stars	内容
awesome-creative-coding	15,467	创意编程、生成艺术、交互设计
3D-Machine-Learning	10,206	3D 深度学习论文与资源
awesome-blender	7,466	Blender 插件、教程与资产

清单类仓库适合“找入口”，不适合“当教材”。看到感兴趣的项目，回到它的 README 和论文，而不是继续在清单里滑动。

高星不等于该学：三个过滤条件#

1. 维护状态：最近一年是否有提交？issue 是否有人回？长期不维护的库，可能只适合读代码，不适合接入。
2. 许可证：MIT/Apache-2.0 相对宽松；GPL 系库进入商业产品前要确认义务。CAD 和图形库尤其容易忽略这一点。
3. 语言与构建成本：C++ 库的编译链、Python 库的二进制依赖、GPU 库的驱动要求，都会决定你能不能在一周内跑起来。

把仓库变成知识，而不是收藏夹#

一个可执行的四步法：

1. 只选一个主仓库：例如这周只碰 tinyrenderer，别同时开三个。
2. 跑通最小示例：先让 demo 出画面，再谈改代码。
3. 改一个变量并解释结果：改相机、改光照、改网格密度，写一段“为什么变成这样”。
4. 留下可复现记录：命令、版本、参数、截图。三个月后还能跑起来，才算学会。

一条建议路线#

• 想学渲染：tinyrenderer → LearnOpenGL → three.js。
• 想做几何处理：trimesh/Open3D → libigl → CGAL。
• 想做参数化设计：OpenSCAD → CadQuery → FreeCAD 脚本。
• 想做重建：Open3D → Instant-NGP → 3D Gaussian Splatting。

路线不是门槛，目的是让你在每一步都有一个能交付的小结果。高星项目只是路标，真正留下的是你亲手跑过、改过、解释过的那部分。