PrimitiveAnything：騰訊AIPD和清華大學(xué)聯(lián)合開發(fā)的新型3D形狀生成框架

PrimitiveAnything于2025-05-14發(fā)布在Ai產(chǎn)品

PrimitiveAnything是什么？

PrimitiveAnything是騰訊人工智能平臺部（aiPD）和清華大學(xué)聯(lián)合開發(fā)的新型3D形狀生成框架。它能把復(fù)雜的 3D 形狀拆成簡單的部件，再重新組合成完整的形狀。這個工具生成的模型質(zhì)量高，能用不同的方式創(chuàng)作，還方便存儲和編輯。它用了一種清晰的參數(shù)化方法和自回歸架構(gòu)，確保訓(xùn)練過程穩(wěn)定、準(zhǔn)確。它支持從文本或圖片生成 3D 內(nèi)容，還能靈活添加新的部件類型，適應(yīng)多種表示方式。

PrimitiveAnything：騰訊AIPD和清華大學(xué)聯(lián)合開發(fā)的新型3D形狀生成框架.webp

PrimitiveAnything主要功能

高質(zhì)量3D原語組裝生成：能生成高質(zhì)量的3D原語組裝，這些組裝在幾何上忠實(shí)于原始模型，還符合人類對形狀的直觀理解。
多樣化3D內(nèi)容創(chuàng)作：支持從文本或圖像條件生成3D內(nèi)容，為用戶提供了靈活的創(chuàng)作方式。
高效存儲和編輯：由于使用了原語表示，生成的3D模型在存儲上更加高效，同時易于編輯和調(diào)整。
自回歸變換器架構(gòu)：通過自回歸變換器逐幀生成3D原語，能夠處理不同長度的原語序列，并且可以輕松擴(kuò)展到新的原語類型。
無歧義的參數(shù)化方案：通過消除參數(shù)化中的歧義，確保模型在訓(xùn)練和生成過程中保持穩(wěn)定性和準(zhǔn)確性。
幾何保真度與語義一致性：在生成過程中，保持了高幾何保真度，能生成符合人類認(rèn)知的語義分解結(jié)果。
模塊化設(shè)計(jì)：框架的模塊化設(shè)計(jì)支持無縫集成新的原語類型，無需修改架構(gòu)，能適應(yīng)不同的原語表示。

PrimitiveAnything主要功能.webp

技術(shù)原理

無歧義的參數(shù)化方案：使用多種類型的基元（如立方體、橢圓柱體和橢球體）在統(tǒng)一的參數(shù)化方案下共同表示3D形狀，為解決參數(shù)化中固有的歧義性，研究團(tuán)隊(duì)開發(fā)了一套全面的規(guī)則，通過分析基元的對稱性，選擇旋轉(zhuǎn)參數(shù)L1范數(shù)最小的一組作為唯一表示，確保了訓(xùn)練過程的穩(wěn)定性和準(zhǔn)確性。
自回歸變換器架構(gòu)：采用基于解碼器的Transformer架構(gòu)，能根據(jù)形狀特征生成可變長度的基元序列。首先通過點(diǎn)云編碼器提取3D形狀的特征表示，然后由自回歸Transformer模型接收這些形狀特征和之前生成的基元信息，預(yù)測下一個基元的特征。為建?；獙傩灾g的依賴關(guān)系，使用級聯(lián)解碼器依次預(yù)測基元的類型、位置、旋轉(zhuǎn)和縮放等屬性，捕捉了基元屬性之間的自然相關(guān)性，與人類組裝邏輯相符。
自回歸生成流程：將整個基元抽象過程重新構(gòu)思為一個序列生成任務(wù)，模型以點(diǎn)云作為輸入條件，然后自回歸地生成基元序列，直到預(yù)測出結(jié)束標(biāo)記為止。在訓(xùn)練過程中，結(jié)合了交叉熵?fù)p失、Chamfer距離（用于重構(gòu)準(zhǔn)確性）和Gumbel - Softmax（用于可微采樣），直到生成序列結(jié)束標(biāo)記。

PrimitiveAnything技術(shù)原理.jpg

性能表現(xiàn)

在涵蓋家具、交通工具、建筑等12個類別的測試集上，PrimitiveAnything展現(xiàn)出驚人性能。例如在倒角距離（CD）指標(biāo)上，傳統(tǒng)方法為0.82，現(xiàn)有SOTA為0.45，而PrimitiveAnything達(dá)到0.21；在體素IoU指標(biāo)上，傳統(tǒng)方法為68%，現(xiàn)有SOTA為75%，PrimitiveAnything為89% ；在分割一致性（SC）指標(biāo)上，傳統(tǒng)方法為0.63，現(xiàn)有SOTA為0.71，PrimitiveAnything為0.92；在存儲壓縮率上，傳統(tǒng)方法為1x，現(xiàn)有SOTA為3x，PrimitiveAnything達(dá)到15x。更值得關(guān)注的是其跨模態(tài)生成能力，在文本到3D的生成任務(wù)中，系統(tǒng)可以準(zhǔn)確理解“帶有弧形靠背的木質(zhì)餐椅”這類復(fù)雜描述，生成符合語義的基元組合結(jié)構(gòu)。

PrimitiveAnything應(yīng)用場景

3D建模與設(shè)計(jì)：能快速生成復(fù)雜的3D模型的“幾何骨架”，設(shè)計(jì)師可以在此基礎(chǔ)上專注于細(xì)節(jié)精修，提升了工作效率和設(shè)計(jì)速度。
游戲資產(chǎn)生成：游戲設(shè)計(jì)師可以用它快速生成各種游戲場景和角色模型，提高開發(fā)效率。玩家也能通過簡單的幾何積木拼接方式創(chuàng)造新的角色或道具，由AI自動進(jìn)行優(yōu)化調(diào)整，無縫集成到物理引擎中。
用戶生成內(nèi)容（UGC）：框架支持從文本或圖像輸入生成3D內(nèi)容，用戶可以輕松編輯生成結(jié)果，為游戲中的UGC提供了新的可能性。
虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）：在虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)環(huán)境中，可以快速生成逼真的3D對象，增強(qiáng)用戶體驗(yàn)。