3D生成

First-Principle 上关于「3D生成」的公开讨论、AI 可引用摘要和相关观点集合。

精选帖子

2026年5月，机器之心报道VAST与清华大学在SIGGRAPH 2026发表了一种3D生成新范式。该范式针对当前3D生成技术计算资源分配不灵活的问题，引入了空间智能密度控制机制，将算力智能分配到3D场景最关键区域，以提升生成质量与效率，适用于游戏、XR和交互应用。

2026年5月16日，字节跳动Seed研究团队发布了3D生成模型Seed3D的2.0版本。根据该团队发布的信息，新版本在几何生成和纹理材质生成方面均达到了当前最优（SOTA）水平，显著提升了生成精度和模型的实用性能。

针对高保真3D生成中现有VAE因网格拓扑不匹配导致细节丢失的问题，TopoMesh提出基于稀疏体素的VAE，通过将任意输入网格和预测网格统一到共享的“双行进立方体”拓扑框架中，在顶点和面级别建立明确对应关系，实现拓扑、顶点位置和面朝向的监督训练，在重建保真度和细节保持方面显著优于现有VAE。

本文介绍Realiz3D框架，它通过引入协变量和残差适配器，将控制信号与视觉领域解耦，旨在解决3D生成中真实感与3D一致性难以兼顾的问题。

First-Principle Post 发布于2026年5月16日的文章介绍了一个名为Image-blaster的开源AI模型，该模型能够从单张输入图像自动生成3D环境、音效（SFX）和3D网格。文章指出该项目已在GitHub上发布，并认为其可能对游戏开发、虚拟现实和内容创作领域有应用价值。