3D 资产 AI

WorldSculpt 将复杂场景重建为可以单独编辑的完整对象网格的集合。它针对包含数百个对象的密集杂乱环境，使用多个 RGB 观察以及实例蒙版和 3D 框来保留场景结构，同时完成遮挡的几何图形。

该框架采用 Pixal3D 单对象先验和基于空间的多视图调节。 DINOv3 特征被投影到每个对象规范体素网格中并跨视图融合。生成的对

UniMate 从已装配的 3D 资产和跨不同骨骼结构的文本提示生成铰接运动。它的目标是使用一个模型为人类、动物和铰接式物体制作动画，从而减少对特定类别模板、参考运动或每个新骨骼重新训练的依赖。

拓扑感知扩散变压器对关节关系、图形距离、光谱位置和静止姿势骨架进行编码。训练使用 UniML3D，这是 13,006 个文本配对运动序列

GeoWeaver 是一个长序列 3D 重建框架，用于将 RGB 视频转换为全局一致的摄像机和点云。它解决了无法联合处理长序列时出现的尺度漂移、姿态错误和块未对齐问题。

几何先验模型预测块深度、置信度和相机参数，然后分层测试时间适应执行顺序初始化、全局 Sim(3) 对齐和从粗到细的细化。密集对应和强大的 CDF 式目标共同优化加

WorldClaw是腾讯混元推出的一款代理3D开放世界生成项目。它探讨了 AI 代理如何在大型交互式 3D 环境中创建、编辑和操作，而不是仅生成孤立的资产。

该系统将语言驱动的规划与 3D 世界构建和交互联系起来。其研究方向结合了场景生成、资产创建、空间推理和代理控制，以便可以大规模构建世界，然后将其用作可执行环境。

Lift4D 是一种测试时优化框架，用于从单目野外视频中重建完整的动态 4D 物体。它旨在恢复几何、外观和形变，包括相机从未直接观测到的区域。

该方法会调整单视图 3D 重建模型，通过因果潜变量条件生成时间一致的逐帧 3D 预测。这些预测用于初始化可变形的 3D Gaussian Splatting 表示，随后再通过感知遮挡的外观

Arbor 3D 是一种使用显式几何条件控制的 3D 资产生成方法。它引入约束网格作为原生控制接口，用于告诉文本条件 3D 生成器几何体应出现在哪里、哪些区域应保持为空，以及应接触哪些表面。

该方法在保持文本条件生成器和几何编码器冻结的同时，训练几何投影、位置嵌入、摘要模块和 grounding 适配器。Hull、avoidanc

MeshFlow 是一种高效的艺术化网格生成方法，将 MeshVAE 与基于流的扩散 Transformer 结合起来。它在连续潜空间中生成显式网格几何和连接关系，而不是通过自回归方式逐个解码离散面片 token。

该方法先将网格压缩为紧凑的连续潜变量，再通过流匹配并行生成。页面强调约一秒生成速度、相较于自回归风格网格生成约 18

CubePart 是一种开放词汇的零件可控 3D 生成器，设计用于根据文本提示和零件架构创建多零件 3D 网格对象。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 CubePart 不是提供通用演示，而是针对具体的能力差距，并为用户提供一种更可控的方式来处理复杂的 AI 生成或 AI 分析

GenRecon 是一个多视图 3D 场景重建框架，旨在从休闲智能手机视频或多视图 RGB 图像生成完整的可编辑 PBR 就绪室内场景网格。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 GenRecon 不是提供通用演示，而是针对具体的能力差距，并为用户提供一种更可控的方式来处理复杂的人

PhysX-Omni 是一个统一的模拟就绪物理 3D 生成框架，旨在生成具有物理属性的刚性、可变形和铰接的 3D 资产。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 PhysX-Omni 不是提供通用演示，而是针对具体的能力差距，并为用户提供一种更可控的方式来处理复杂的 AI 生成或 A

LiTo 是一种表面光场标记化方法，专为具有依赖于视图的外观的高质量图像到 3D 生成和重建而设计。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 LiTo 不是提供通用演示，而是针对具体的能力差距，为用户提供一种更可控的方式来处理复杂的人工智能生成或人工智能分析的内容。

Articraft 是一个代理系统，用于生成铰接式 3D 资产，这些资产是为模拟和交互而构建的。它针对具有移动部件的对象，例如烤箱、抽屉、自行车、椅子、灯具和机械组件，而静态网格体在这些情况下是不够的。该系统旨在生成包括功能关节的资产，以便可以在模拟或交互式环境中对其进行操作。

核心工作流程使用编码代理，根据 LLM 友好的 SD

PhysForge 是一个框架，用于为交互式虚拟世界和具体 AI 环境生成基于物理的 3D 资产。它解决了许多 3D 生成系统的局限性：视觉上合理的资产通常缺乏交互所需的物理属性，例如材料行为、功能部件、运动学约束和模拟就绪结构。 PhysForge 专注于可以操作的资产，而不仅仅是查看。

该系统采用由 PhysDB 支持的两阶段

Pixal3D 是一个图像到 3D 生成框架，旨在创建与输入图像保持像素对齐的高保真 3D 资源。它解决了图像条件 3D 生成中的常见故障：模型可能会创建合理的几何形状，但最终资产可能会在像素级别偏离参考视图。 Pixal3D 专注于忠实的重建式对应，同时仍然保留完整 3D 资产合成所需的生成灵活性。

该系统以与输入视图一致的方式

UniMesh 是一种统一的 3D 网格理解和生成系统，它将语义推理、网格创建和网格编辑结合在一个框架中。它旨在帮助模型根据文本提示生成 3D 网格、编辑现有形状以及通过迭代反馈推理网格内容。这使得它对于 3D 资产创建、几何理解和 AI 辅助建模工作流程非常有用。

该系统使用连接图像潜在、网格调节和 3D 生成的管道，使其能够在

HY3 是腾讯混源 3D 预览版，专注于高级 3D 生成和资产创建。它专为需要 AI 辅助 3D 内容工作流程的用户而设计，包括从高级输入生成对象、预览或面向生产的 3D 资产。作为预览版，它为创作者和技术团队提供了一种评估腾讯3D生成堆栈方向的方法。

该产品适合更广泛的 AI 工具运动，可降低创建 3D 内容的成本和复杂性。像

Alaya Renderer 是一个生成世界渲染器，为视频生成渲染提供了缩放配方。它是围绕来自 AAA 游戏、逆渲染、重新光照和游戏编辑的大规模 G 缓冲区数据而设计的。该产品与构建可控视频渲染系统的团队相关，其中需要操纵几何形状、材质、照明和场景属性，而不是烘焙成像素。

该系统使用结构化渲染信号（例如 G 缓冲区）来指导视频生成

AniGen 是一个统一的生成框架，可从单个图像创建动画就绪的 3D 资源。它专为静态概念或参考需要成为具有适合动画结构的可用 3D 资产的工作流程而设计。该产品涉及游戏、动画、虚拟制作、角色资产和3D内容创作。

AniGen 使用统一的 S3 字段来生成可动画的 3D 资产，这意味着该表示旨在捕获下游动画所需的形状、结构和语义。

LGTM 是 Less Gaussians、Texture More 的缩写，是一个 3D 表示项目，专注于通过使用更少的基元同时保留或增强纹理细节来改进基于高斯的渲染。它专为想要更高效的 3D 场景表示而不放弃视觉质量的用户而设计。该产品与神经渲染、高斯喷射、重建和实时 3D 可视化相关。

该方法可能会减少高斯基元的数量，并通过