HY3D-Bench：3D 资产生成
机器学习
2026-02-05 v1 人工智能
信息论
math.IT
机器学习
摘要
尽管近期神经表示和生成模型的进步在 3D 内容创建方面取得了革命性进展，但该领域仍受显著数据处理瓶颈的制约。为此，我们引入 HY3D-Bench，一个开源生态系统，旨在为 3D 生成建立统一、高质量的基础。我们的贡献有三方面：(1) 我们精选了来自大规模存储库的 25 万个高保真 3D 物体，采用严格的管道交付训练就绪的制品，包括密闭网格和多视角渲染；(2) 我们引入结构化的部件级分解，提供实现细粒度感知和可控编辑所必需的细粒度；(3) 通过可扩展的 AIGC 合成管道桥接现实分布差距，贡献 12.5 万个合成资产以增强长尾类别的多样性。通过在训练 Hunyuan3D-2.1-Small 期间进行经验验证，HY3D-Bench 降低了对稳健数据资源的准入门槛，旨在催化 3D 感知、机器人和数字内容创建领域的创新。
引用
@article{arxiv.2602.03906,
title = {GeoIB: Geometry-Aware Information Bottleneck via Statistical-Manifold Compression},
author = {Weiqi Wang and Zhiyi Tian and Chenhan Zhang and Shui Yu},
journal= {arXiv preprint arXiv:2602.03906},
year = {2026}
}