HI3D 3.0 (Twinkle3D)：高分辨率的特定对象 3D 资产生成

图像到 3D 生成已经越来越能够生成与输入图像非常相似的对象，而一个突出的挑战是重现所描绘的对象本身，包括定义它的特定几何形状。铭文、品牌标记和重复结构经常被扭曲或丢失，尽管它们对于物体身份至关重要。我们推出了 Hi3D 3.0，这是一种针对特定对象保真度的图像到 3D 生成系统，以 Twinkle3D 作为其几何模型，用于生成分辨率为 2048^{3}$ 的防水三角形网格。 Twinkle3D 沿四个维度推进了高保真几何生成。首先，虽然 O-Voxel/FaithC 提供了很高的表示精度，但它经常受到表面质量差和不防水几何形状的影响。我们解决了这两个问题，同时保留了 $2048^{3}$ 级别的精度。其次，我们通过重新设计的 DiT 架构和大规模分布式训练优化，将扩散生成扩展到最多 300K 几何标记的序列，将每步的训练时间从大约 10 分钟减少到 10 秒。 第三，后续的细化无法完全弥补初始生成时引入的错误；因此，我们在初始生成阶段加强了全局形状和局部细节，最终的单阶段模型以 512^{3}$ 的细化超越了之前的两阶段管道。最后，我们引入了细粒度图像-3D 跨模态交互机制，该机制加强了视觉证据和几何标记之间的对应关系，从而提高了对象特定结构的恢复。我们使用从轮廓和法线场导出的对齐度量来评估几何保真度。 Hi3D 3.0 在所有报告的指标中均优于四个商业系统，以 98.2% 的精度恢复了 82.1% 的刻写字符，而最强竞争对手的召回率为 21.7%。