論文の概要: Seed3D 2.0: Advancing High-Fidelity Simulation-Ready 3D Content Generation

• arxiv url: http://arxiv.org/abs/2605.13862v1
• Date: Wed, 22 Apr 2026 17:50:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.815104
• Title: Seed3D 2.0: Advancing High-Fidelity Simulation-Ready 3D Content Generation
• Title（参考訳）: Seed3D 2.0: 高忠実度シミュレーション対応3Dコンテンツ生成の改善
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.78860713076338
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Seed3D 2.0, an advanced 3D content generation system built on Seed3D 1.0, with substantial improvements across generation fidelity, simulation-ready capabilities, and application coverage. For geometry, a coarse-to-fine two-stage pipeline decouples global structure learning from high-frequency detail recovery, while a locality-aware VAE achieves higher spatial compression and more efficient decoding. For texture and material generation, we replace the cascaded pipeline of Seed3D 1.0 with a unified PBR model that directly generates multi-view albedo and metallic-roughness maps, enhanced by Mixture-of-Experts scaling and VLM-based semantic conditioning for improved material precision and visual fidelity. Beyond single-object generation, Seed3D 2.0 introduces a simulation-ready model suite comprising scene layout planning, part-aware decomposition, and training-free articulation generation, enabling coherent scene construction and part-level physical interaction across physics and graphics engines. A large-scale human preference study against five recent commercial models shows that Seed3D 2.0 achieves consistent win rates of 69.0% to 89.9% in textured 3D asset generation. Seed3D 2.0 is available on https://exp.volcengine.com/ark/vision?_vtm_=0.0.c70961.d701978.0&mode=vision&modelId=doubao-seed3d-2-0-260328&tab=Gen3D
• Abstract（参考訳）: Seed3D 2.0は,Seed3D 1.0上に構築された高度な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、高頻度のディテールリカバリからグローバルな構造学習を分離し、ローカリティを意識したVAEはより高い空間圧縮とより効率的な復号を実現する。 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,多視点アルベドおよび金属フラーネスマップを直接生成する統一PBRモデルに置き換える。 単一オブジェクト生成以外にも、Seed3D 2.0では、シーンレイアウト計画、部分認識分解、トレーニング不要な調音生成を含むシミュレーション可能なモデルスイートが導入されている。 最近の5つの商用モデルに対する大規模な人間の嗜好調査では、セド3D 2.0はテクスチャ化された3Dアセット生成において69.0%から89.9%という一貫した勝利率を達成した。 Seed3D 2.0はhttps://exp.volcengine.com/ark/vision? _vtm_=0.0.c70961.d70 1978.0&mode=vision&modelId=doubao-seed3d-2-0-260328&tab=Gen3D

関連論文リスト

• Efficient 3D Content Reconstruction and Generation [5.8565664251165375]
  マルチビュー拡散とフィードフォワードスパース3D再構成を組み合わせることで,5～20秒で高品質な資産を創出するInstant3Dを紹介する。 私はFastMapを開発しています。これは、従来の最先端よりも最大10倍のスピードアップを実現します。
  論文  参考訳（メタデータ） (2026-05-18T08:41:10Z)
• TAPESTRY: From Geometry to Appearance via Consistent Turntable Videos [65.99602532894241]
  明示的な3次元幾何学に基づく高忠実度TTVを生成するためのフレームワークであるTAPESTRYを紹介する。 また,3D-Aware Inpaintingを用いた多段パイプラインを特徴とする,TTV入力からの下流再構成タスクを設計する。 その結果,本手法はビデオの整合性と最終的な再現性の両方において,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-18T14:02:09Z)
• Seed3D 1.0: From Images to High-Fidelity Simulation-Ready 3D Assets [63.67760219308476]
  シミュレーション可能な3Dアセットを単一画像から生成する基礎モデルであるSeed3D 1.0を提案する。 既存の3D生成モデルとは異なり、我々のシステムは正確な幾何学、よく整合したテクスチャ、リアルな物理的基盤を持つ資産を生産する。
  論文  参考訳（メタデータ） (2025-10-22T18:16:32Z)
• Hunyuan3D 2.5: Towards High-Fidelity 3D Assets Generation with Ultimate Details [23.393893197088843]
  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。
  論文  参考訳（メタデータ） (2025-06-19T17:57:40Z)
• 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)
• Step1X-3D: Towards High-Fidelity and Controllable Generation of Textured 3D Assets [90.99212668875971]
  Step1X-3Dは、データの不足、アルゴリズムの制限、エコシステムの断片化といった課題に対処するオープンフレームワークである。 拡散型テクスチャ合成モジュールとハイブリッドVAE-DiTジオメトリジェネレータを組み合わせた2段階の3Dネイティブアーキテクチャを提案する。 ベンチマークの結果は、既存のオープンソースメソッドを超える最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-05-12T16:56:30Z)
• 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)
• Retrieval-Augmented Score Distillation for Text-to-3D Generation [30.57225047257049]
  テキストから3D生成における検索に基づく品質向上のための新しいフレームワークを提案する。 我々はReDreamが幾何整合性を高めて優れた品質を示すことを示すために広範な実験を行った。
  論文  参考訳（メタデータ） (2024-02-05T12:50:30Z)
• 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)
• GET3D: A Generative Model of High Quality 3D Textured Shapes Learned from Images [72.15855070133425]
  本稿では,複雑なトポロジ,リッチな幾何学的ディテール,高忠実度テクスチャを備えたExplicit Textured 3Dメッシュを直接生成する生成モデルであるGET3Dを紹介する。 GET3Dは、車、椅子、動物、バイク、人間キャラクターから建物まで、高品質な3Dテクスチャメッシュを生成することができる。
  論文  参考訳（メタデータ） (2022-09-22T17:16:19Z)

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。