数美万物开源三维生成模型 Hi3D V1.0

编辑｜冷猫 自从电影《牛来》现象级爆火，那只造型粗糙、通体发黄的小牛，就成了不少人提起三维建模时的第一反应。 导演一句「纯手搓」，更是意外唤醒了网友们的建模之魂。有人跃跃欲试，也有人忍不住调侃：如今随便让 AI 生成一个 3D 模型，恐怕都比「牛来」精致得多。 玩笑归玩笑，如今的 AI 三维生成，究竟已经进化到了什么程度？不妨先来看两组对比，感受一下 AI 建模如今的精细程度。 原图 / ChatGPT6 模型生成 / Hi3D Agent 生成 这些结果，来自于数美万物自研的三维生成模型 Hi3D V3.0，正将几何与外观表达推进到一个无比精细的尺度。实现了行业首创 2048³ 名义几何细化分辨率，最高 8K 纹理输出。 Hi3D V3.0 的三维模型生成能力远远超越通用模型 GPT-6 。 从这两组案例不难看出，Hi3D V3.0 在高复杂度结构和动物毛发这两大三维建模难题上，展现出了相当惊艳的表现。浅浮雕细腻的凹凸起伏、相邻零件之间清晰的结构边界、动物毛发自然生长的形态…… 这些看似不起眼的细节，恰恰是三维建模中最考验功力的地方。一件三维作品的精致感与真实感，往往就藏在这些细节之中。 而在自研模型持续向前迭代的同时，数美万物将经过生产验证的 Hi3D V1.0 模型带向开源。 GitHub 链接：https://github.com/hi3d-official/Hi3Dv1.0 Hugging Face 体验链接：https://huggingface.co/spaces/ilcve21/Sparc3D Hugging Face 代码权重链接：https://huggingface.co/hi3d-official/Hi3Dv1.0 官方项目链接：https://www.hi3d.ai/hi3d-1-0-open-source 如果说 Hi3D V3.0 展示了三维生成技术持续突破的可能性，那么 Hi3D V1.0 的开源，则让已经积累的技术成果，有机会走进更多开发者的实际工作流。 约 200 万个 3D 资产的训练规模、最高 1536³ 的有效稀疏表面提取网格分辨率，以及公开发布前经过真实用户工作流的验证，共同构成了 Hi3D V1.0 的技术基础。站在这一基础上，开发者可以进一步构建自己的创作工具、专业应用与业务流程，让 AI 三维生成的能力延伸到更多实际场景。 相信自此之后，「牛来」式的粗糙三维制作，将成为过去式。 持续提升模型能力，也让经过验证的成果被更多人使用 ——Hi3D V1.0 的开源计划，将数美万物的技术进展与更广泛的行业共创连接起来。 让精细几何，成为可以继续创作的基础 众所周知，图生三维的最大难题是：让模型从单张图片出发，生成一个从各个角度看都合理、细节足够丰富，而且能够真正用于后续创作的完整三维资产。要解决这个问题，需要从底层的几何表示和生成方式入手。 2025 年，Sparc3D 凭借高分辨率稀疏表示和稀疏卷积自编码管线，在 3D 几何建模领域获得了广泛关注。它的核心思路，是不把整个三维空间用密集的体素网格来表示，而只在预测的表面区域周围分配计算资源，用稀疏坐标上的特征来编码几何信息。 Sparc3D 管线示意图 Hi3D V1.0 在这个架构基础上做了三大工作。 第一，大幅扩大训练规模。训练使用的 3D 资产从 Sparc3D 此前约 50 万的规模，扩大至约 200 万，增长约四倍。为什么数据量这么关键？单图 3D 生成天然是一个欠约束问题，输入图像只提供了物体表面的部分信息，其余几何结构必须依靠模型从训练中学到的三维先验来推断。因此，扩大训练数据的规模和几何覆盖范围，有助于模型学习更多样的物体形态，提升对复杂结构和长尾样本的处理能力。 第二，引入更高分辨率的训练数据。 在 Sparc3D 原有的 512³ 和 1024³ 层级基础上，Hi3D V1.0 新增了 1536³ 级别的训练数据。分辨率的提高，意味着模型可以在更细的空间尺度上学习和表达几何变化。比如，复杂装甲表面的浅浮雕、机械零件之间的细小缝隙、羽毛的层叠结构，以及曲面上细密的纹路，都需要足够的空间分辨能力，才能尽量保留其原本的结构。 值得说明的是，这里的 1536³ 是有效稀疏网格分辨率，实际的流模型并不直接存储一个密集的 1536³ 隐空间。在第一层级，隐特征分布在名义 64³ 结构网格的稀疏坐标集上，解码器通过三次可学习的 2× 扩展来提取几何细节。这意味着最终的表面重建在 512³ 有效分辨率上进行，而不需要承担密集高分辨率网格的计算成本。 第三，在真实生产环境中完成验证。 在正式开源之前，Hi3D V1.0 对应的模型 checkpoint，在正式开源之前，已经进入面向真实用户的生产工作流，并接受实际使用场景的检验。技术

来源只提供摘要，完整内容请打开原文。