3D生成

来源：量子位（QbitAI）（鹭羽） · 2026-09-01 · 原文链接 一句话概括 把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数 核心要点 范式跃迁：从"造一个物体"到"造一个可拆的世界"。整体式场景生成做不到"拎走桌上的碗、挪开椅子"，因为所有内容被合并成不可拆的整块。WorldGen 把场景拆成独立资产并保留空间/物理关系，每件都可单独编辑、替换、移走——抽出关键支撑物后，周围的物体会按物理规则位移或跌落。 技术底座是 SIGGRAPH 2025 最佳论文 CAST（同期唯一与 Google、Meta 并列的商业公司）。流程四步：① 拆对象+估深度；② 逐物体生成完整 3D 几何（遮挡感知补背面）；③ 估计位姿把物体放回统一空间；④ 用物体关系图 + SDF 做物理纠错（防穿透/悬空/不合理堆叠）。WorldGen 是在 CAST 上花近一年工程化，把"多模块串联累计误差"压到了产品级。 生成流程（hyper3d.ai）：上传图→自动识别主体（可手动框选）→前景物体逐个 2-3 秒出预览，背景用 3DGS 补全→整体 2-3 分钟。开 SimReady 模式会自动补碰撞体、估计质量/摩擦/恢复系数。 具身智能场景已落地闭环：与地瓜机器人（算力/开发工具链）+ 谋先飞 MotrixSim（物理与并行仿真引擎）今年 7 月联合发布完整链路——WorldGen 出场景，MotrixSim 跑运动/抓取，地瓜机器人做训练。已对接 NVIDIA Inception，将"单资产进 Isaac Sim"拓展为"整场景进 Isaac Sim"。 游戏用法：从概念图直接出对象化场景，策划先看动线、设计师挪道具、美术再决定哪些关键资产值得精修；独立资产能直进 Blender/Unity/PlayCanvas/团结引擎/Unreal Engine 做二次创作。7 月与 Unity 中国达成合作。 影视用法：WorldGen 控 3D 基底（镜头调度、构图），Seedance 2.5 出最终画面，避免视频生成"可控 vs 好看"二选一；WorldGen 自带 AI Render 模块支持自由运镜与多风格变换。已进入实际影视项目制作流程。 XR/空间计算：单张图→可进入/浏览/调整的沉浸空间，搭配 Apple Vision Pro 等设备做室内设计、沉浸教育、空间展示。 团队对"世界生成模型"的定义（CTO 张启煊）：文本/图像→可用的三维世界；是广义"世界模型"在 3D 载体上的实例，区别于只能观看的视频世界模型。 金句 “传统做法直接将整个场景作为一个模型生成，所有内容容易被合并成不可拆解的整体，场景很难继续使用。WorldGen 的关键变化，是把场景拆解为可单独操作的资产，同时保留它们之间的空间与物理关系。"——吴迪（创始人/CEO） ...

📅 本期精选来自 2026-06-24 ArXiv 最新论文，聚焦扩散模型、3D生成、视觉生成模型、具身AI与VLA等核心方向，共 8 篇。 📄 论文精选 DiffusionBench: On Holistic Evaluation of Diffusion Transformers 链接： https://arxiv.org/abs/2606.24888 一句话总结： 提出 NanoGen 统一训练框架和 DiffusionBench 评测基准，揭示 ImageNet 类别条件生成与 T2I 生成指标之间存在显著负相关，推动扩散模型走向更全面的评测范式。 ...

📅 本期精选来自 2026-06-19 ArXiv 最新论文，聚焦世界模型、扩散/流匹配模型、视频生成、具身AI等核心方向，共 8 篇。 📄 论文精选 MemoryWAM: Efficient World Action Modeling with Persistent Memory 链接： https://arxiv.org/abs/2606.20562 一句话总结： 提出带持久记忆的高效世界-动作模型，通过混合记忆机制解决机器人长视野操控中的非马尔可夫问题，同时保持推理效率。 ...

📅 本期精选来自 2026-03-09 ArXiv 最新论文（主要为 2026-03-06 提交），聚焦扩散模型、视频生成、机器人、视觉语言模型等核心方向，共 8 篇。 📄 论文精选 Physical Simulator In-the-Loop Video Generation 链接： https://arxiv.org/abs/2603.06408 一句话总结： 将物理仿真器嵌入扩散视频生成流程（PSIVG），使生成视频在对象动力学上严格遵守真实物理定律，被 CVPR 2026 接收。 ...

📅 本期精选来自 2026-03-05 ArXiv 最新论文，聚焦视频生成、扩散模型、具身AI、3D生成等核心方向，共 7 篇。 📄 论文精选 Helios: Real Real-Time Long Video Generation Model 链接： https://arxiv.org/abs/2603.04379 一句话总结： Helios 是首个在单张 H100 GPU 上以 19.5 FPS 实时生成分钟级视频的 14B 自回归扩散模型，同时保持与强基线相当的生成质量。 ...