AIxiv 专栏是本站发布学术、技术内容的栏目。过去数年，本站 AIxiv 专栏接收报道了 2000 多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

是否还在苦恼于开源图生 / 文生三维模型无法直接嵌入到 CG 工作流中？是否在寻找具备高质量几何与物理材质的三维生成大模型？

最近，上海人工智能实验室（Shanghai AI Lab）与南洋理工大学（NTU）共同推出了新一代的三维生成大模型 3DTopia-XL，能够从图片或文字单阶段直出具有 PBR（物理渲染）材质的高质量三维数字资产。

在技术细节上，通过采用全新的三维表征 PrimX 以及基于 DiT 的生成架构，具有 10 亿规模参数的 3DTopia-XL 能够在 5 秒内完成从图像或文本生成具有物理材质属性的超写实三维模型，生成结果作为 GLB 格式的三维资产可以无缝导入到主流游戏引擎和工业设计软件的管线中服务于下游应用。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

3DTopia-XL 已将代码、预训练模型和技术报告开源，并且近期还会持续更新其他模态作为输入的预训练模型。

• 代码链接：https://github.com/3DTopia/3DTopia-XL
• 在线 Demo：https://huggingface.co/spaces/FrozenBurning/3DTopia-XL
• 技术报告：https://arxiv.org/abs/2409.12957
• 论文标题：3DTopia-XL: Scaling High-quality 3D Asset Generation via Primitive Diffusion
  
  

在项目开源的这几天，广大网友也是第一时间涌入官方提供的在线 Demo，上传自己的图片进行试玩。其中 Huggingface 的产品设计总监 Victor 更是第一时间就进行了尝试，他随意上传了一张图片给 3DTopia-XL，模型经过处理返回给他了一个高质量的三维模型，同时还是带材质的那种！他也将试玩录屏上传到 X 上分享给广大网友：

小编也尝试了一下在线 demo，比如输入一张橘子做的小象的创意图片，生成的三维物体几何质量很高，同时右下角的交互视窗能够支持更换不同环境光照图来渲染输出的 GLB 格式资产：

技术概览

通过深扒技术报告，小编发现 3DTopia-XL 的核心技术是一种被称为 PrimX 的全新三维表征，弥补了三维数据没有高效张量化表征的空白，从而实现对最具可扩展性的扩散模型框架 DiT 的支持。

具体而言，3DTopia-XL 采用的是一种创新的三维扩散大模型直出技术，可实现超写实工业级三维资产的秒级生成。3DTopia-XL 采用 PrimX 作为一种符号距离场的高效几何表征方式，将三维物体表征为若干个 Primitive 的集合。每个 Primitive 仅在形状边界邻域内对局部几何、纹理和材质进行联合建模，从而将一个三维资产的所有信息（几何、纹理、材质）表示为若干个固定长度的 token，完成了三维数据的高质量结构化。

这样的方法不仅大幅减少了表示三维物体所需的参数量，提高了参数利用效率，而且还便于 DiT 基模型的规模扩展。

在基模型层面，为了实现高质量的三维生成能力，3DTopia-XL 提出了一个包含 10 亿参数且计算高效的三维扩散模型。其中 PrimX 作为将三维物体高效地转化为基于符号距离场的表达，会进一步通过变分自编码器对每个体积基元进行压缩编码。通过 DiT 架构的引入，使得模型能够在隐空间中进行大规模可扩展的训练（Latent Primitive Diffusion），从而实现通过单张图像输入生成三维物体的通用能力。

得益于符号距离场的良好性质，3DTopia-XL 生成的三维内容具备光滑的表面、精细的结构以及良好的拓扑，接近手工建模质量。通过 DDIM 采样策略，3DTopia-XL 可以实现 5s 内完成去噪过程。

实验结果

定量对比上，3DTopia-XL 在三维生成标准评测指标超越现有的开源模型，CLIP score 上取得 24.33，超越 ShapE（21.98），也高于 3DTopia 第一版的 22.54，展现出了三维内容创作方面的巨大潜力。

同时，作者从四个维度（整体质量、几何平滑度、输入相关度和渲染正确性）对于图生三维模型输出的数字资产在工业管线中进行了用户评测（如下图所示），3D-Topia-XL 在各维度上均超越了 InstantMesh、LGM、CRM 等基于重建的主流方法。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

定性对比上，作者对比了主流的基于重建的方法（标红）以及原生三维扩散模型（标黄），并在对比策略上采用直接将 mesh 导入渲染引擎进行对应环境下的渲染，来验证三维生成模型的实际可用性。如下图所示，得益于 3DTopia-XL 的高质量几何以及材质建模，其展示出的渲染效果和生成质量都超过一系列基线方法。

同时作者还验证了三维生成模型上的尺度定律（Scaling Law），增加训练计算量和增大模型尺寸都会带来生成性能的进一步提升（以 FID 下降为趋势特征）。

得益于 PrimX 表征的通用性，使得模型能够同时编码几何、纹理及材质，完成一站式三维生成引擎可用的数字资产，摆脱了多阶段独立建模的繁琐步骤。我们发现，3DTopia-XL 生成的数字资产可以直接导入 Blender，UE 等图形引擎在任意环境下进行渲染。其高质量 PBR 建模使得生成的数字资产展示出高质量反光效果，实现了与环境的无缝融合。

除了图生三维模型以外，3DTopia-XL 还会在不久的未来提供多模态输入支持，包括文生三维模型和多视角重建模型，为三维内容创作提供了全面的解决方案套装。

以上就是5秒内快速生成、直出工业级PBR资产，三维扩散模型3DTopia-XL开源的详细内容，更多请关注其它相关文章！

# 三维生成  # 麻城少儿教育网站推广  # 辽宁网站建设推广咨询  # 揭阳珠宝网站建设  # 微博推广设计网站  # 成都移动seo优化  # 株洲学校网站建设方案  # 博网站建设开发  # 无锡网站推广网站招聘信息  # 之争  # 句话  # 所示  # 第一时间  # 五大  # 华纳  # 南极  # 神技  # 高质量  # 开源  # type  # git  # 产业  # 宁波象山县网站优化公司  # 桐城租房网站建设 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 为什么都做折叠屏手机呢  固态硬盘如何检查  typescript需要学多久  计数器上power是什么意思  soup是什么意思  夸克学习都有什么课程  单片机怎么定义字符长度  kingston是什么_kingston是什么意思  如何打开命令提示符  debug中如何用n命令命名程序文件名  科技型企业成长＂十步法＂  hive中datediff函数怎么用 Hive中DATEDIFF函数的使用指南  单片机的速度怎么求  折叠屏手机信号哪个最强  本科一批和本科二批是什么意思  汽车的type-c接口是什么  安全的ao3镜像网站链接入口  基金市盈率是什么意思  夸克是什么用途  爱奇艺vip会员可以同时几个人用？  如何右键打开命令窗口  5G手机导航怎么旋转  混合固态硬盘如何分区  云笔记本电脑有什么用  夸克为什么老是投屏失败  drawing是什么意思  哪个牌子的折叠屏手机好  ensp命令如何提示  typescript怎么理解的  苹果16最近玩法有哪些  固态硬盘如何安装win10系统安装  为什么夸克没有动漫  为什么youtube音乐打不开  animal是什么意思  一天多少分钟  j*a数组怎么存满  固态硬盘颗粒如何修理  电瓶车充电器power是什么意思  油烟机上的power是什么意思  电动车充电器上的power是什么意思  单片机log怎么看  苹果16新增哪些功能  选哪个折叠屏手机好用  j*a怎么用数组缓存  typescript接口怎么选  如何用adb命令停用系统软件  电脑显示器上power是什么意思  i5 6500怎么装win7  如何使用ping命令  阿里云盘修复工具怎么用