Cyc3D：评估图像转 3D 生成中的循环结构稳定性和资产可用性

图像条件 3D 生成技术发展迅速，但现有的评估协议主要判断渲染视图的合理性和语义对齐，而忽略了生成器是否形成稳定的 3D 解释并生成可在图形管道中使用的资源。我们引入 Cyc3D，这是一个多维基准测试，它沿着两个互补轴评估图像到 3D 的生成：跨视图对象一致性和表示质量。在资产级别，Cyc3D 测量对象身份在渲染视点之间是否保持语义一致。在模型层面，我们提出了视图循环结构一致性，这是一种闭环渲染-重新生成-对齐协议，它反复重新观察新视图中生成的资产，并量化各代之间的几何、感知和语义漂移。为了评估渲染外观之外的原生资产可用性，Cyc3D 进一步评估几何结构、参考图像保真度、网格离散化和效率以及 UV 参数化质量。总之，这些诊断揭示了被单个感知分数掩盖的故障，并提供了模型不稳定和表示缺陷的可解释证据。对五个代表性图像到 3D 系统的实验表明，闭源前馈模型在几何保真度、网格质量和循环稳定性方面始终优于基于开源优化的基线。然而，即使是最强大的方法，循环稳定性分数也低于 48，这揭示了视觉上合理的生成和强大的 3D 对象理解之间持续存在的差距。