3DTopia-XL: 通过原始块扩散扩展高质量 3D 资产生成
计算机视觉与模式识别
2025-03-18 v2 图形学
摘要
跨越各行业领域的高质量 3D 资产需求日益增长，亟需高效且自动化的 3D 内容创建方式。尽管近期在 3D 生成模型方面取得了进展，现有方法仍面临优化速度、几何保真度以及缺乏物理光照渲染 (PBR) 资产等挑战。本文介绍 3DTopia-XL，一种可克服上述局限性的可扩展原生 3D 生成模型。3DTopia-XL 采用新颖的原始块表示方法 PrimX，将详细的形状、漫反射率和材质场编码为紧凑张量格式，从而支持 PBR 资产的高分辨率几何建模。基于该新表示方法，我们提出基于扩散 Transformer (DiT) 的生成框架，包含 1) 原始块压缩 2) 和 潜在原始块扩散。3DTopia-XL 学习从文本或视觉输入生成高质量 3D 资产。我们进行了大量定性和定量实验，表明 3DTopia-XL 在生成带有细粒度纹理和材料的高质量 3D 资产方面显著优于现有方法，有效缩小了生成模型与实际应用之间的质量差距。
引用
@article{arxiv.2409.12957,
title = {3DTopia-XL: Scaling High-quality 3D Asset Generation via Primitive Diffusion},
author = {Zhaoxi Chen and Jiaxiang Tang and Yuhao Dong and Ziang Cao and Fangzhou Hong and Yushi Lan and Tengfei Wang and Haozhe Xie and Tong Wu and Shunsuke Saito and Liang Pan and Dahua Lin and Ziwei Liu},
journal= {arXiv preprint arXiv:2409.12957},
year = {2025}
}
备注
CVPR 2025, Code https://github.com/3DTopia/3DTopia-XL Project Page https://3dtopia.github.io/3DTopia-XL/