論文の概要: Hunyuan3D 2.5: Towards High-Fidelity 3D Assets Generation with Ultimate Details
- arxiv url: http://arxiv.org/abs/2506.16504v1
- Date: Thu, 19 Jun 2025 17:57:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.203896
- Title: Hunyuan3D 2.5: Towards High-Fidelity 3D Assets Generation with Ultimate Details
- Title（参考訳）: Hunyuan3D 2.5:超高精細な3Dアセットを狙う
- Abstract要約: Hunyuan3D 2.5は、高忠実で詳細なテクスチャ化された3Dアセットを生成することを目的とした、3D拡散モデルの堅牢なスイートである。
形状生成に関して、我々は、スケールした高品質なデータセット、モデルサイズ、計算で訓練された新しい形状基礎モデルLATTICEを導入する。
テクスチャ生成に関しては、Hunyuan3D 2.0 Paintモデルから拡張された新しいマルチビューアーキテクチャにより、PBR(phyiscal-based rendering)によってアップグレードされる。
- 参考スコア（独自算出の注目度）: 23.393893197088843
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this report, we present Hunyuan3D 2.5, a robust suite of 3D diffusion models aimed at generating high-fidelity and detailed textured 3D assets. Hunyuan3D 2.5 follows two-stages pipeline of its previous version Hunyuan3D 2.0, while demonstrating substantial advancements in both shape and texture generation. In terms of shape generation, we introduce a new shape foundation model -- LATTICE, which is trained with scaled high-quality datasets, model-size, and compute. Our largest model reaches 10B parameters and generates sharp and detailed 3D shape with precise image-3D following while keeping mesh surface clean and smooth, significantly closing the gap between generated and handcrafted 3D shapes. In terms of texture generation, it is upgraded with phyiscal-based rendering (PBR) via a novel multi-view architecture extended from Hunyuan3D 2.0 Paint model. Our extensive evaluation shows that Hunyuan3D 2.5 significantly outperforms previous methods in both shape and end-to-end texture generation.
- Abstract（参考訳）: 本稿では,高忠実で詳細なテクスチャ化された3Dアセットを生成することを目的とした,堅牢な3D拡散モデルであるHunyuan3D 2.5を紹介する。
Hunyuan3D 2.5は以前のバージョンであるHunyuan3D 2.0の2段パイプラインに従っている。
形状生成に関して、我々は、スケールした高品質なデータセット、モデルサイズ、計算で訓練された新しい形状基礎モデルLATTICEを導入する。
我々の最大のモデルは10Bパラメータに到達し、メッシュ表面をきれいかつ滑らかに保ちながら、鮮明で詳細な3D形状を生成し、生成した3D形状と手作りの3D形状のギャップを著しく埋める。
テクスチャ生成に関しては、Hunyuan3D 2.0 Paintモデルから拡張された新しいマルチビューアーキテクチャにより、PBR(phyiscal-based rendering)によってアップグレードされる。
Hunyuan3D 2.5は, 形状, 終端テクスチャ生成において, 従来手法よりも有意に優れていた。
関連論文リスト
- Seed3D 2.0: Advancing High-Fidelity Simulation-Ready 3D Content Generation [49.78860713076338]
Seed3D 2.0は、Seed3D 1.0上に開発された高度な3Dコンテンツ生成システムである。
幾何の場合、粗い2段階のパイプラインは、高周波ディテールリカバリからグローバルな構造学習を分離する。
テクスチャと材料生成のために,Seed3D 1.0のカスケードパイプラインを統一されたPBRモデルで置き換える。
論文 参考訳（メタデータ） (2026-04-22T17:50:03Z) - Advancing high-fidelity 3D and Texture Generation with 2.5D latents [21.33523572280285]
本稿では3次元幾何学とテクスチャの融合生成のための新しい枠組みを提案する。
具体的には、2Dと3Dの間でシームレスに変換できる汎用2.5D表現を生成することに重点を置いている。
我々のモデルは、テキストや画像からのコヒーレントな構造と色を持つ高品質な3Dオブジェクトの生成に優れるだけでなく、テクスチャ生成における既存の手法よりも優れています。
論文 参考訳（メタデータ） (2025-05-27T11:35:35Z) - DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation [51.43837087865105]
大規模な画像データセットに基づいてトレーニングされた視覚基礎モデル(VFM)は、非常に高度な2D視覚認識を備えた高品質な機能を提供する。
3D画像と3Dポイントクラウドデータセットの共通利用にもかかわらず、彼らの3Dビジョンのポテンシャルは依然としてほとんど未解決のままである。
2Dファンデーションモデルの特徴を抽出し,それを3Dに投影し,最終的に3Dポイントクラウドセグメンテーションモデルに注入する,シンプルで効果的なアプローチであるDITRを導入する。
論文 参考訳（メタデータ） (2025-03-24T17:59:11Z) - Hunyuan3D 2.0: Scaling Diffusion Models for High Resolution Textured 3D Assets Generation [45.75095673944995]
Hunyuan3D 2.0は、高分解能なテクスチャ3Dアセットを生成するための大規模3D合成システムである。
スケーラブルなフローベース拡散変圧器上に構築された形状生成モデルは、所定の条件画像と適切に整合する幾何を作成することを目的としている。
テクスチャ合成モデルは、強い幾何学的および拡散前の利点を生かし、高解像度で活気のあるテクスチャマップを生成する。
論文 参考訳（メタデータ） (2025-01-21T15:16:54Z) - Structured 3D Latents for Scalable and Versatile 3D Generation [28.672494137267837]
汎用的で高品質な3Dアセット作成のための新しい3D生成手法を提案する。
基本となるのは、異なる出力フォーマットへのデコードを可能にする、構造化されたLATent表現である。
これは、疎人口の少ない3Dグリッドと、強力な視覚基盤モデルから抽出された濃密な多視点視覚特徴を統合することで実現される。
論文 参考訳（メタデータ） (2024-12-02T13:58:38Z) - DIRECT-3D: Learning Direct Text-to-3D Generation on Massive Noisy 3D Data [50.164670363633704]
テキストプロンプトから高品質な3Dアセットを作成するための拡散型3D生成モデルであるDIRECT-3Dを提案する。
我々のモデルは、広範に騒々しく不整合な3D資産で直接訓練されている。
単一クラス生成とテキスト・ツー・3D生成の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-06-06T17:58:15Z) - Sculpt3D: Multi-View Consistent Text-to-3D Generation with Sparse 3D Prior [57.986512832738704]
本稿では,2次元拡散モデルを再学習することなく,抽出した参照オブジェクトから3次元先行を明示的に注入する,電流パイプラインを備えた新しいフレームワークSculpt3Dを提案する。
具体的には、スパース線サンプリングによるキーポイントの監督により、高品質で多様な3次元形状を保証できることを実証する。
これら2つの分離された設計は、参照オブジェクトからの3D情報を利用して、2D拡散モデルの生成品質を保ちながら、3Dオブジェクトを生成する。
論文 参考訳（メタデータ） (2024-03-14T07:39:59Z) - Breathing New Life into 3D Assets with Generative Repainting [74.80184575267106]
拡散ベースのテキスト・ツー・イメージ・モデルは、ビジョン・コミュニティ、アーティスト、コンテンツ・クリエーターから大きな注目を集めた。
近年の研究では、拡散モデルとニューラルネットワークの絡み合いを利用した様々なパイプラインが提案されている。
予備訓練された2次元拡散モデルと標準3次元ニューラルラジアンスフィールドのパワーを独立したスタンドアロンツールとして検討する。
我々のパイプラインはテクスチャ化されたメッシュや無テクスチャのメッシュのような、レガシなレンダリング可能な幾何学を受け入れ、2D生成の洗練と3D整合性強化ツール間の相互作用をオーケストレーションします。
論文 参考訳（メタデータ） (2023-09-15T16:34:51Z) - Towards Realistic Generative 3D Face Models [41.574628821637944]
本稿では,高品質なアルベドと精密な3次元形状を生成するために,3次元制御可能な顔モデルを提案する。
2次元顔生成モデルとセマンティック顔操作を組み合わせることで、詳細な3次元顔の編集を可能にする。
論文 参考訳（メタデータ） (2023-04-24T22:47:52Z) - XDGAN: Multi-Modal 3D Shape Generation in 2D Space [60.46777591995821]
本稿では,3次元形状をコンパクトな1チャネル幾何画像に変換し,StyleGAN3と画像間翻訳ネットワークを利用して2次元空間で3次元オブジェクトを生成する手法を提案する。
生成された幾何学画像は素早く3Dメッシュに変換し、リアルタイムな3Dオブジェクト合成、可視化、インタラクティブな編集を可能にする。
近年の3次元生成モデルと比較して,より高速かつ柔軟な3次元形状生成,単一ビュー再構成,形状操作などの様々なタスクにおいて,本手法が有効であることを示す。
論文 参考訳（メタデータ） (2022-10-06T15:54:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。