2025 年 7 月 7 日，腾讯正式发布全新升级的 Hunyuan3D-PolyGen，这是全球首个专为艺术级 3D 建模设计的人工智能生成模型。该模型不仅在几何精度和拓扑优化方面达到新高度，更首次实现了 AI 生成 3D 模型直接进入专业美术流程的能力。
技术亮点概览
| 特性 | 描述 |
|---|---|
| 🧱 自回归网格建模 | 通过显式顶点与面片建模进行空间推理，生成符合美术标准的高质量 Mesh |
| 🎨 高压缩率 BPT 表示 | 支持生成超过 10,000 面的复杂模型，布线精细，细节丰富 |
| ⚙️ 三边/四边面支持 | 同时输出 tri mesh 和 quad mesh，适配不同建模管线需求 |
| 🤖 强化学习后训练框架 | 设计“好结果”奖励机制，提升生成稳定性与质量一致性 |
| 📦 可无缝集成到引擎 | 已集成至腾讯多个游戏开发流程，支持 PBR 材质、动画绑定、Blender、Unity 等工具 |
核心技术解析
🧩 1. 自回归网格生成框架
Hunyuan3D-PolyGen 的核心是基于自回归建模的 3D 网格生成系统，分为三个关键步骤：
① 网格序列化（Mesh Tokenization）
将 3D 网格中的顶点和面片转化为类似自然语言处理中的 Token 序列，使 AI 能理解并生成 3D 结构。
② 自回归建模（Autoregressive Modeling）
以点云作为输入 Prompt，使用 Transformer 架构逐步预测后续顶点和面片关系，实现从抽象轮廓到完整模型的空间推理。
③ 序列解码（Token to Mesh）
将 AI 输出的 Token 序列还原为实际的顶点坐标与面片连接方式，重建完整的 3D 网格结构。
2. 高质量拓扑生成
传统 AI 3D 生成模型往往无法满足专业美术要求，如布线不合理、拓扑混乱等。而 Hunyuan3D-PolyGen 采用腾讯自研的网格自回归模型，确保生成的模型具备：
- 更合理的边缘流
- 更高的拓扑一致性
- 更符合雕刻与动画需求的结构设计
这使得 AI 生成的模型可以直接用于角色建模、场景构建、道具设计等商业用途。
3. BPT 表征技术：高压缩率 + 高精度
BPT（基于点的拓扑表示）是腾讯自主研发的 3D 数据表征方法，具有以下优势：
- 将高维 3D 数据压缩为低维 Token 表达；
- 支持生成上万面数的复杂模型；
- 提供更高的拓扑精度，便于后期编辑与细化；
- 减少冗余数据存储，提高训练效率。
这一技术大幅提升了 AI 对复杂物体的理解与表达能力。
4. 强化学习后训练机制
为了进一步提升生成质量与稳定性，腾讯引入了强化学习后训练框架，类似于“导师指导初学者”的过程：
- 模型在预训练基础上接受人工反馈与质量评分；
- 设计“好结果”与“差结果”奖励机制；
- 动态调整生成策略，减少无效输出；
- 确保输出模型满足美术规范与生产流程标准。
性能与应用场景
支持多种输出格式：
- 三角面（Tri Mesh）
- 四边面（Quad Mesh）
这使其兼容主流建模软件（如 Blender）、游戏引擎（如 Unity、Unreal Engine）以及虚拟现实平台。
游戏资产生成效率提升超 70%
目前该模型已上线腾讯混元 3D AI 创作引擎，并应用于多个内部游戏项目中：
- 快速生成基础模型与高模；
- 自动生成 UGC 场景元素；
- 显著降低美术师手动建模工作量；
- 缩短资源制作周期，加速内容迭代。
“AI 不再只是辅助工具，而是真正的建模伙伴。”
技术对比与行业意义
| 传统 AI 3D 生成 | Hunyuan3D-PolyGen |
|---|---|
| 布线质量参差不齐 | 符合专业美术标准 |
| 难以直接导入生产流程 | 可无缝集成进主流建模与渲染流程 |
| 多数仅支持简单形状 | 支持上万面复杂模型 |
| 输出多需后期修整 | 生成即可用，减少返工 |
| 缺乏稳定质量控制 | 强化学习引导，生成更可控 |
技术挑战与未来方向
尽管 Hunyuan3D-PolyGen 已取得重大进展，但 AI 3D 生成仍面临一些挑战：
| 挑战 | 解决方向 |
|---|---|
| 材质与纹理生成 | 当前依赖外部贴图工具，未来计划集成材质生成模块 |
| 动画绑定自动优化 | 已支持基本绑定，仍在持续优化中 |
| 风格多样性不足 | 计划引入风格控制与用户定制接口 |
| 高面数模型计算开销大 | 正在研究轻量化部署方案，包括移动端支持 |
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
