HI3D 3.0 发布：2048³ 分辨率水密网格的图像转 3D 系统
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的是物体身份丢失
图像转 3D 已能生成与输入图外观接近的物体，但真正复现图中那个具体物体仍有困难。铭文、品牌标记和重复出现的结构对物体身份很关键，却常在生成过程中被扭曲或丢失。Hi3D 3.0 把目标定为 object-specific fidelity，即对特定物体的保真，而不是泛化的形似。其几何模型名为 Twinkle3D，输出的是水密三角网格，分辨率达到 2048³。作者用轮廓和法线场导出的对齐指标来评估几何保真度，并称在所有报告指标上超过四个商业系统。
四个方向的几何改进
第一，O-Voxel/FaithC 具备较高的表征精度，但表面质量不佳且几何非水密；该工作在保留 2048³ 级别精度的同时处理了这两个问题。第二，通过重新设计的 DiT 架构与大规模分布式训练优化，把扩散生成扩展到最多 30 万几何 token 的序列，单步训练时间从约十分钟压缩到约十秒。第三，作者认为后续细化无法完全弥补初始生成阶段引入的误差，因此把全局形状与局部细节都放在初始生成阶段加强，得到的单阶段模型在 512³ 细化上超过此前的两阶段流程。第四，引入细粒度图像—3D 跨模态交互机制，加强视觉证据与几何 token 之间的对应关系，以改善物体特有结构的还原。
适用范围与限制
材料给出的信息集中在几何生成与训练效率：水密网格、2048³ 分辨率、30 万 token 序列、单步训练时间从约十分钟到约十秒，以及单阶段对两阶段流程的替代。评测维度是轮廓与法线场导出的对齐指标，对比对象为四个商业系统，作者称 Hi3D 3.0 在所有报告指标上占优。材料未说明模型是否开源、面向哪些用户开放、推理成本或可用时间，也未给出纹理与材质方面的表现，这些都需要回到原文确认。
为什么值得看
图像转 3D 的难点正从「像不像」转向「是不是同一个物体」，该工作给出高分辨率水密网格与训练提速的具体做法。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。