在不久之前機器之心報道文章《3D領(lǐng)域DeepSeek「源神」啟動！國產(chǎn)明星創(chuàng)業(yè)公司，一口氣開源八大項目》中，我們曾介紹到，國內(nèi)專注于構(gòu)建通用 3D 大模型的創(chuàng)業(yè)公司 VAST 將持續(xù)開源一系列 3D 生成項目。
近日，新的開源項目它來了，包括針對任意三維模型生成完整可編輯部件的HoloPart與通用自動綁定框架UniRig。
今天，就讓我們一起圍觀下這兩個新的3D開源項目。
HoloPart：為任意三維模型生成完整、可編輯的部件
- 論文標題：HoloPart: Generative 3D Part Amodal Segmentation
- 論文地址: https://arxiv.org/abs/2504.07943
- 項目主頁: https://vast-ai-research.github.io/HoloPart
- 代碼地址: https://github.com/VAST-AI-Research/HoloPart
- Demo: https://huggingface.co/spaces/VAST-AI/HoloPart
- huggingface daily paper:https://huggingface.co/papers/2504.07943
3D 內(nèi)容生產(chǎn)面臨的一個關(guān)鍵痛點，是三維模型的部件及編輯挑戰(zhàn)。
你是否曾嘗試編輯網(wǎng)上下載的、掃描得到的、或是 AI 生成的三維模型？它們往往是「一整坨」的幾何體，想要調(diào)整、驅(qū)動或重新賦予某個獨立部件（比如椅子腿、角色眼鏡）不同的材質(zhì)都極其困難。
現(xiàn)有的三維部件分割技術(shù)能識別出屬于不同部件的可見表面塊，但往往得到的是破碎、不完整的碎片，這極大地限制了它們在實際內(nèi)容創(chuàng)作中的應(yīng)用價值。
HoloPart 引入了一項新任務(wù)：三維部件完整語義分割（3D Part Amodal Segmentation）——它不僅是將三維形狀分解為可見的表面塊，而是分解成其背后完整的、包含語義信息的部件，甚至能推斷出被遮擋部分的幾何結(jié)構(gòu)，即使部分被遮擋也能生成完整部件。
開發(fā)者可以在huggingface上試玩。
「看見」完整部件
HoloPart是一種新型擴散模型，由 VAST 和港大聯(lián)合研發(fā)。受到非模式化感知（Amodal Perception，即人類即使在物體部分被遮擋時也能感知到完整物體的能力）的啟發(fā)，研究團隊通過一個實用的兩階段方法來實現(xiàn)：
- 初始分割：首先，利用現(xiàn)有的先進方法（如 SAMPart3D）獲得初始的表面塊（即不完整的部件）。
- HoloPart 部件補全：這是關(guān)鍵所在。將不完整的部件塊，連同整個形狀的上下文信息一起，輸入到新穎的 HoloPart 模型中。HoloPart 基于強大的擴散變換器（Diffusion Transformer）架構(gòu)，能夠生成該部件完整且合理的 3D 幾何形狀。
HoloPart 工作原理
HoloPart 不僅僅是「填補空洞」。它基于 TripoSG 三維生成基礎(chǔ)模型的生成先驗構(gòu)建，通過在大型數(shù)據(jù)集（如 Objaverse）上進行廣泛預(yù)訓練，并在部件 - 整體數(shù)據(jù)上進行專門微調(diào)，從而獲得了對三維幾何的深刻理解。
針對部件補全這一特定任務(wù)，HoloPart 對 TripoSG 的擴散變換器架構(gòu)進行了適配。其關(guān)鍵創(chuàng)新在于雙重注意力機制：
- 局部注意力（Local Attention）：聚焦于輸入表面塊的精細幾何細節(jié)，確保補全后的部件與可見幾何無縫銜接。
- 上下文感知注意力（Context - Aware Attention）：關(guān)注整體形狀以及該部件在其中的位置。這一關(guān)鍵步驟確保補全的部件在全局上是合理的——保持比例、語義和整體形狀的一致性。
這使得 HoloPart 能夠智能地重建隱藏的幾何細節(jié)，即使對于復(fù)雜部件或存在嚴重遮擋的情況，也能尊重物體的整體結(jié)構(gòu)。
在該項目中，研究團隊還利用 ABO 和 PartObjaverse - Tiny 數(shù)據(jù)集建立了新的基準測試來評估這項新任務(wù)。實驗證明，在處理這種具有挑戰(zhàn)性的部件補全任務(wù)時，HoloPart 的性能顯著優(yōu)于現(xiàn)有的各種先進形狀補全方法。
從效果上看，差異是肉眼可見的：其他方法在處理復(fù)雜結(jié)構(gòu)時常常失敗或產(chǎn)生不連貫的結(jié)果，而 HoloPart 則能持續(xù)生成高質(zhì)量、高保真的完整部件，并與原始形狀完美契合。
解鎖下游應(yīng)用
通過生成完整的部件，HoloPart 解鎖了一系列以前難以甚至無法自動實現(xiàn)的強大應(yīng)用：
- 直觀編輯：輕松抓取、縮放、移動或替換完整部件（如圖中的戒指、圖中的汽車編輯）。
- 便捷的材質(zhì)分配：將紋理或材質(zhì)清晰地賦予給完整的組件。
- 適用于動畫的資產(chǎn)：生成適合綁定和動畫制作的部件。
- 更智能的幾何處理：通過處理連貫的部件，實現(xiàn)更魯棒的網(wǎng)格重劃分 (Remeshing) 等幾何操作。
- 部件感知的生成：這項工作為未來能夠在部件層面創(chuàng)建或操縱三維形狀的生成模型奠定了基礎(chǔ)。
- 幾何超分辨率：HoloPart 甚至展示了通過用高數(shù)量的 token 來表征部件，從而提升部件細節(jié)的潛力。
統(tǒng)一模型綁定萬物：UniRig 通用自動綁定框架
- 論文標題：One Model to Rig Them All: Diverse Skeleton Rigging with UniRig
- 論文鏈接：https://zjp-shadow.github.io/works/UniRig/static/supp/UniRig.pdf
- 代碼地址：https://github.com/VAST-AI-Research/UniRig
- 項目主頁：https://zjp-shadow.github.io/works/UniRig/
- HuggingFace 主頁：https://huggingface.co/VAST-AI/UniRig
核心方法：自回歸預(yù)測與創(chuàng)新的 Tokenization
UniRig 的核心在于借鑒了驅(qū)動語言和圖像生成領(lǐng)域進步的大型自回歸模型的力量。
但 UniRig 預(yù)測的不是像素或文字，而是 3D 骨骼的結(jié)構(gòu)——逐個關(guān)節(jié)地進行預(yù)測。這種序列化的預(yù)測過程是確保生成拓撲結(jié)構(gòu)有效骨骼的關(guān)鍵。
實現(xiàn)這一目標的關(guān)鍵創(chuàng)新是骨骼樹 Tokenization (Skeleton Tree Tokenization)方法。
將具有復(fù)雜關(guān)節(jié)相互依賴關(guān)系的層級化骨骼結(jié)構(gòu)，表示為適合 Transformer 處理的線性序列并非易事。UniRig 的方案高效地編碼了：
- 關(guān)節(jié)坐標：骨骼關(guān)節(jié)的離散化空間位置。
- 層級結(jié)構(gòu)：明確的父子關(guān)系，確保生成有效的樹狀結(jié)構(gòu)。
- 骨骼語義：使用特殊 Token 標識骨骼類型（例如，Mixamo 等標準模板骨骼，用于頭發(fā) / 布料模擬的動態(tài)彈簧骨骼），這對于下游任務(wù)和實現(xiàn)逼真動畫至關(guān)重要。
這種優(yōu)化的 Tokenization 方案，與樸素方法相比，序列長度減少約 30%，使得基于 OPT 架構(gòu)的自回歸模型能夠有效地學習骨骼結(jié)構(gòu)的內(nèi)在模式，并以形狀編碼器處理后的輸入模型幾何信息作為條件。
不止骨骼：精準蒙皮與屬性預(yù)測
在預(yù)測出有效的骨骼后，UniRig 采用骨骼 - 表面交叉注意力 (Bone - Point Cross Attention)機制來預(yù)測每個頂點的蒙皮權(quán)重。該模塊有效地捕捉了每根骨骼對其周圍模型表面的復(fù)雜影響，融合了來自模型和骨骼的幾何特征，并通過關(guān)鍵的測地線距離信息增強了空間感知能力。
此外，UniRig 還能預(yù)測骨骼特定屬性（如彈簧骨骼的剛度和重力影響），使得基于學習參數(shù)的、更符合物理規(guī)律的次級運動成為可能。研究團隊在訓練中通過可微分的物理模擬對此進行了評估，以增強最終結(jié)果的真實感。
Rig - XL 數(shù)據(jù)集：以數(shù)據(jù)驅(qū)動泛化能力
強大的模型離不開高質(zhì)量數(shù)據(jù)的支撐。為了訓練 UniRig 以獲得廣泛的適用性，研究團隊還整理構(gòu)建了Rig-XL——一個全新的、包含超過 14000 個多樣化已綁定 3D 模型的大規(guī)模數(shù)據(jù)集。
Rig - XL 源自 Objaverse - XL 等資源并經(jīng)過精心清洗，涵蓋多個類別（雙足、四足、鳥類、昆蟲、靜態(tài)物體等），為訓練一個真正具備泛化能力的綁定模型提供了必要的規(guī)模和多樣性。研究團隊還利用 VRoid 數(shù)據(jù)集進一步優(yōu)化模型在處理包含彈簧骨骼的精細動漫風格角色上的性能。
業(yè)界最優(yōu)的性能表現(xiàn)
UniRig 顯著提升了自動綁定技術(shù)的現(xiàn)有水平：
- 高精度：在多個關(guān)鍵指標上遠超現(xiàn)有學術(shù)界和商業(yè)方法，在具有挑戰(zhàn)性數(shù)據(jù)集上，綁定精度（關(guān)節(jié)預(yù)測）提升 215%，動畫精度（動畫下的網(wǎng)格變形）提升 194%。
- 強通用性：在廣泛的模型類別上展現(xiàn)出魯棒性能——精細角色、動物、復(fù)雜的有機和無機形態(tài)——這些都是以往方法經(jīng)常遇到困難的領(lǐng)域。
- 高魯棒性：生成拓撲合理的骨骼和真實的蒙皮權(quán)重，在動畫驅(qū)動下產(chǎn)生優(yōu)于先前學術(shù)方法及常用商業(yè)工具的變形效果。
- 高效率：優(yōu)化的 Tokenization 和模型架構(gòu)帶來了實用的推理速度（1-5 秒）。
熱門跟貼