ComfyUI-Pixal3D-D：集成腾讯 Pixal3D-D 混合架构，支持 1024 高分辨率网格精炼与 16GB 显存优化，打造电影级 3D 资产

在 AI 3D 生成领域，如何平衡全局拓扑稳定性与高频细节丰富度一直是技术难点。ComfyUI-Pixal3D-D 是腾讯 ARC 实验室最新成果 Pixal3D-D 的第三方 ComfyUI节点。

• GitHub：https://github.com/Rizzlord/ComfyUI-Pixal3D-D

该插件采用先进的混合稠密到稀疏架构，首先生成稳定的基础网格，再通过稀疏扩散变换器（Sparse DiT）进行高达 1024 分辨率的细节精炼。更令人惊喜的是，它内置了内存优化模式，使得拥有 16GB VRAM 的消费级显卡也能流畅运行高精度生成任务，并集成了 mrmeshpy 进行专业级网格后处理。

Pixal3D：清华与腾讯联合研发，通过像素反投影实现“重建级”单图转3D

核心亮点：混合架构、高分辨率、显存优化

1. 混合两阶段管道：稳定与细节兼得

• 第一阶段：稠密模型：负责生成稳定、无孔洞的全局拓扑结构，确保物体形态正确。
• 第二阶段：稀疏 DiT：基于稠密结果，利用稀疏扩散变换器添加高频几何细节（如纹理凹凸、边缘锐度）。
• 1024 原生支持：突破传统 512 分辨率限制，生成具备电影级细节的高质量 3D 资产。

2. 16GB 显存友好模式

• 跨分辨率条件控制：通过智能内存管理，允许在 16GB VRAM 显卡上运行 refine 模式。
• 灵活配置：
  • 16GB 显卡：推荐使用 refine 模式，平衡速度与质量。
  • 24GB+ 显卡：可使用 full 模式，追求极致细节表现。
• 显式资源管理：内置 keep_model_loaded 开关，生成后可立即卸载模型，释放 VRAM/RAM，避免与其他节点冲突。

3. 专业级网格后处理

• MeshLib 集成：内置 mrmeshpy 高性能库，提供自动化后处理能力。
• 自动去壳与清理：一键移除内部空洞、浮动物体及非最大连通分量，确保生成的 .glb/.obj 文件干净、可打印、可直接导入引擎。
• 网格增强模式：支持导入现有低模，通过 1024 稀疏模型重新体素化，为其“注入”高保真细节。

4. 智能缩放与阈值控制

• 自动适配：optimize_mesh_scale 功能自动将物体适配到标准 3D 空间，最大化清晰度。
• 表面提取控制：通过 dense_threshold 精细调节初始表面的提取精度，适应不同复杂度的输入图像。

安装与部署

1. 克隆仓库

cd ComfyUI/custom_nodes
git clone https://github.com/Rizzlord/ComfyUI-Pixal3D-D.git

2. 安装依赖

确保在 ComfyUI 的 Python 环境中安装以下库：

pip install trimesh mrmeshpy numpy torch torchvision scipy scikit-image

注：mrmeshpy 可能需要编译环境，如遇问题请参考其官方文档。

3. 手动下载模型（关键步骤）

模型不会自动下载，需手动配置：

1. 创建目录：在 ComfyUI/models/ 下新建文件夹 pixal3d-d/。
2. 下载权重：访问 Hugging Face TencentARC/Pixal3D-D 下载模型文件。
3. 放置文件：将下载的 dense、sparse512 和 sparse1024 文件夹完整放入 ComfyUI/models/pixal3d-d/ 目录。
   • 最终路径示例：ComfyUI/models/pixal3d-d/dense/...

💡 节省空间提示：若已将权重移至中央 models 目录，可删除自定义节点文件夹内的冗余权重子目录（path/to/ComfyUI/custom_nodes/ComfyUI-Pixal3D-D/pixal3d/models/Pixal3D-D/weights），但切勿删除包含 Python 源码的 models 文件夹。

节点使用指南

1. Pixal3D-D Loader

• 功能：加载混合管道模型。
• 参数：
  • keep_model_loaded：设为 False 可在生成后彻底清除显存，适合多节点串联工作流。

2. Generate Dense Mesh

• 功能：执行第一阶段稠密生成。
• 参数：
  • optimize_mesh_scale：开启以自动标准化物体尺寸。
  • dense_threshold：调整表面提取的灵敏度，值越高表面越平滑。

3. Refine Sparse Latent

• 功能：执行第二/三阶段稀疏精炼（512 -> 1024）。
• 参数：
  • mode_1024：
    • refine：适合 16GB 显存，性价比高。
    • full：适合 24GB+ 显存，极致细节。
  • remove_interior：开启后自动清理内部无效几何体。

4. Refine Existing Mesh (可选)

• 功能：输入现有 TRIMESH 对象，通过 1024 模型进行细节增强。
• 适用：希望保留原有拓扑结构仅增加表面细节的场景。