AI 3D建模
搜索文档
AI三维建模迈入“雕刻级”时代:Hitem3D 2.0版本用一体化纹理生成技术突破高精度3D生成瓶颈
新浪财经· 2025-12-31 21:47
核心观点 - 公司发布了Hitem3D 2.0技术,通过一体化高分辨率PBR纹理生成和深度学习,实现了纹理与几何结构的深度耦合,使3D模型生成从“贴图”转向从结构“自然生长”,显著提升了模型的物理连贯性、细节真实感和工业可用性 [1] 技术原理与核心突破 - 采用一体化1536^3Pro分辨率PBR纹理生成技术,使纹理与结构实现深度耦合,系统通过深度学习感知空间连续性并同步推算微观几何、尺度与物理属性 [1] - 模型纹理基于对空间密度的深度理解从几何结构中“生长”出来,生成的模型细节富有生命力且具备工程可靠性,告别了像素点的生硬拼凑 [1] - 解决了复杂遮挡物体的建模难题,即便在多层嵌套、充满遮挡的区域(如机甲背部缝隙、裙甲内侧)也能实现清晰、无粘连、无扭曲的全方位无死角还原 [3] - 在处理长条形、大幅度卷曲物体(如凤凰尾羽)时,系统表现出极强的空间连续性,能规避传统算法在转折处易出现的纹理拉伸、错位或畸变 [5] - 实现了“骨相”与“发丝级细节”的双重突破,从结构层面深度理解头骨与面部比例确保五官真实性,发丝呈现更细分的发束与符合真实生长逻辑的自然走向 [6] - 通过光影剥离技术,能智能识别并剔除原图中的环境光干扰,还原物体真实的材质质感与本色,使生成的模型在不同光照条件下都能保持色彩纯净稳定 [6][7] 应用场景与效果 - 能够高保真重构精密机甲关节的隐蔽结构、文物微瑕以及凤凰羽鳞等复杂细节 [1][3] - 在硬核机甲重建中,攻克了“建模死角”,实现了深层结构清晰、边缘转折锐利、内侧细节基于机械逻辑合理补全 [3] - 在生物模型(如凤凰)生成中,让羽毛纹理与几何尺度同步生成,色彩起伏与模型起伏严丝合缝,纹理如同从骨架中自然长出的生物组织 [5] - 在人物模型生成中,从根本上告别了AI建模常见的面部僵硬或比例失调问题,头发细节依附头骨自然生长 [6] - 以机械蝴蝶案例展示了其剔除蓝色聚光灯干扰、还原黄铜质感与翅膀本色的能力 [6][7] 工业集成与生产价值 - 致力于消除AI半成品带来的二次修复成本,通过智能3D语义级模型分割技术,可深度理解零件逻辑并自动导出四色打印就绪(4-Color Print-Ready)模型 [9] - 配合自动重拓扑与AI 3D浮雕功能,打通了从算法生成到工业级制造的“最后一公里”,实现所见即所得的确定性交付 [9] - 深度融入行业生态,支持USDZ格式与“几何+图片生成纹理”以激活存量资产,并通过深度集成的Blender插件使其能作为原生生产力工具无缝嵌入DCC全流程 [9] - 该技术旨在让专业团队摆脱繁琐的修模工作,回归“大胆创意,精密落地”的生产本位,重塑3D内容创作范式 [9]
从王者荣耀到恋与深空:7款AI 3D建模产品大比拼
锦秋集· 2025-10-10 15:00
AI 3D建模行业现状与测评背景 - AI 3D建模作为更高维度、更接近真实世界的表达方式,正成为继文本、图像和视频之后的下一个爆发口,过去需要专业建模师耗费数日甚至数周完成的复杂模型,如今可能只需一段文字、几张参考图或一次点击就能生成[2] - 本次测评旨在评估AI 3D产品在生成质量、易用性和落地潜力上的表现,探究其是真正的生产力工具还是难以落地的炫技演示[3] - 测评选取了六款具有代表性的AI 3D建模工具,覆盖从大厂体系到创业项目的多元路径,共同勾勒出当前AI 3D赛道的主流图景[5] 测评产品概览与定价策略 - 测评产品包括数美万物的Hitems3D v1.5、腾讯的混元3D V3.0、VAST的Tripo、影眸科技的Hyper3D Gen-2、Meshy AI的Meshy 6 Preview以及Luma AI的Genie[7] - 各产品定价策略差异显著,免费额度从Genie的完全免费到Hyper3D Gen-2的5积分不等,订阅起价从混元3D的免费(有限次数)到Meshy 6 Preview的110.15元/月[7] - 部分工具因硬件要求高、处于白名单阶段或内测期不稳定等原因未被纳入本次测评,如Nvidia AI Blueprint、Marble和字节跳动豆包的3D Model Generator[6] 基础结构建模能力评估 - 在结构清晰、形态规则的对象建模中(如机器人、盲盒手办),所有产品均能较好地重建整体结构,其中混元3D在面部刻画上表现最为准确,结构还原度达90%[12][17] - 随着任务复杂度提升(如游戏角色建模),各产品在细节还原上普遍不足,尤其是面部特征模糊,难以体现人物神态,仅混元3D的面部表现略胜一筹,但未达精准水准[21] - 面对高难度建模任务(如复杂服饰和道具),除Hyper3D出现明显比例不协调外,其余产品白模基本能还原整体结构,并在服饰元素上保持较高一致性[31] 贴图与材质还原表现 - 在基础任务中,除Meshy外,多数产品能大体还原参考图的色彩与材质,其中数美万物Hitems3D与Tripo表现突出,能准确生成手幅上的文字细节[13] - 随着建模难度增加,贴图质量整体下降,人物面部普遍模糊错乱,仅混元3D和Tripo在复杂任务中保持相对较好的细节还原度[26][32] - Meshy在多轮测评中贴图质量持续较差,色彩还原度最低仅20%,材质还原度低至30%,显著落后于其他产品[25][31] 文字生成3D模型能力 - 在文字转3D任务中,混元3D生成的模型在白模细节方面最为丰富,整体清晰度较高,贴图较为细致,但科技感营造不足[35][36] - Tripo和Meshy生成的模型结构合理,贴图表现得体,但整体效果较为普通,缺乏亮点;Genie生成的模型质感粗糙,结构不自然,细节欠缺[35][36] - 数美万物Hitems3D和Hyper3D Gen-2目前不支持文字转3D功能,限制了其在创意设计场景中的应用[34] 生产效率与成本分析 - AI 3D建模极大提升了概念探索和迭代效率,过去需数小时甚至数天完成的初步建模工作,现在仅需数分钟即可完成,如混元3D在多数任务中耗时仅4-5分钟[12][17][21] - 成本控制方面,免费额度可满足基础试用需求,付费成本从混元3D的每日免费次数到Meshy的折合付费积分2.203元不等,总体具有较高性价比[12][17][21] - 尽管效率惊人,但AI 3D在模型质量和细节处理上离直接投入生产仍有距离,面部细节和复杂结构还原能力不足,需要大量人工后期修缮才能达到商用标准[37][38][39]
资金动向 | 北水爆买港股超105亿港元,阿里巴巴、地平线机器人获加仓
格隆汇· 2025-09-26 19:45
南下资金流向 - 9月26日南下资金净买入港股105.4亿港元 [1] - 净买入前三位为阿里巴巴-W 24.12亿港元、地平线机器人-W 8.63亿港元、腾讯控股7.92亿港元 [1] - 净卖出前两位为小鹏汽车-W 2.91亿港元、华虹半导体2.12亿港元 [1] 重点公司资金动向 - 南下资金连续26日净买入阿里巴巴累计717.9789亿港元 [3] - 连续3日净买入腾讯控股累计45.5499亿港元 [3] 阿里巴巴公司动态 - 股东大会通过发行新股一般授权议案 可发行不超过已发行普通股数量10%的新股 [4] - 同时通过股份回购授权议案 可回购不超过已发行普通股数量10%的股份 [4] 腾讯控股业务进展 - 混元3D生成模型家族发布新成员混元3D-Omni和混元3D-Part并开源 [4] - 新技术推动AI 3D建模在游戏、打印和AR/VR等领域的应用落地 [4] 小米集团产品发布 - 雷军年度演讲发布小米17系列起售价4499元 ProMax版售5999元 [5] - 同步推出平板8系列及电视、冰箱、音箱等家电新品 [5] - 摩根士丹利维持增持评级 目标价62港元 认为Pro系列后置屏幕设计创新 [5] 新能源汽车行业动态 - 理想汽车发布纯电i6车型 售价24.98万元 配备5C超充电池充电10分钟续航500公里 [6] - 小鹏汽车宣布进入瑞士等五国市场 与Hedin集团合作推出2025款G6/G9车型 [6] - 小鹏P7+计划于2026年上半年上市 同步拓展中东欧三国市场 [6]
腾讯3D生成模型上新!线稿可变“艺术级”3D模型,鹅厂内部设计师也在用
量子位· 2025-07-08 17:11
腾讯混元3D模型更新 - 腾讯推出艺术级3D生成模型Hunyuan3D-PolyGen 支持生成面数上万的复杂几何模型 [1] - 该模型可将3D模型转化为资产 应用于游戏开发后美术师建模效率提升超70% [2] - 拓扑功能已在混元3D工作台上线 每日提供20次免费使用额度 [3] 艺术级3D生成模型特性 - 美术级模型需满足游戏实时加载需求 面数少于普通3D生成Mesh [4] - 要求布线质量高效规整 便于后续UV展开和骨骼绑定 [4] - 采用组件式结构 支持后期编辑拆分 [4] 模型实测表现 - 支持文字或1-4张参考图输入 提供三角面/四边形拓扑选项 [7] - 波音747测试案例显示 拓扑后细节保留且表面划分更精细 [10][12][14] - 毛绒玩具线稿和奔驰车模测试中 模型能降低面数并保持结构完整 [15][17][18] - 相比竞品 该模型能以更低面数实现更优细节 [20] 技术实现原理 - 采用自回归网格生成框架 通过顶点与面片建模进行空间推理 [24] - 核心流程:网格Token化→自回归模型处理→网格还原 [25][27][30] - 创新BPT压缩技术 使表征mesh的token数量减少74% 单面所需token从9个降至2.3个 [33][36] - 结合强化学习后训练 提升生成稳定性与布线规整度 [40][41][43] 应用与行业影响 - 模型已直接应用于公司内部游戏工作室开发流程 [2] - 支持复杂物体建模 可处理2万+面的高细节模型 [37] - 技术突破可能重塑游戏/影视等行业的3D内容生产模式 [1][2][20]