NTU S-Lab 团队探索可动 3D 新方向：结构、关节、纹理一次到位

文章摘要

【关 键 词】 三维生成、可动模型、关节建模、纹理合成、单图重建

南洋理工大学 S-Lab 团队提出的 ArtiLatent 框架实现了从单张图像生成具备精确几何结构、合理关节参数和自然外观纹理的可动三维模型。该研究通过统一的结构化潜空间建模，解决了传统方法依赖完整三维扫描、结构与纹理分离导致的生成不一致性，以及难以处理运动引发可见性变化等核心难题。实验表明，模型在几何完整度、关节运动稳定性和外观真实度等关键维度均显著优于现有技术，Chamfer Distance 指标显示其几何误差最低，FID 得分验证了纹理生成的优越性，尤其在关节运动后暴露的内部区域仍能保持清晰细节。

技术实现分为三个关键环节：结构学习阶段通过带关节信息的稀疏体素表示构建紧凑潜编码；扩散模型在潜空间中生成与输入图像匹配的可动结构；关节感知的外观解码微调策略则确保运动前后纹理一致性。该方法在抽屉平移、门板旋转等常见家具运动中表现出物理合理性，部件间无干涉或扭曲，且在新数据集上展现了强大的泛化能力。消融实验证实，关节感知微调是提升内部区域纹理质量的核心模块。

该框架的突破性在于将几何、运动机制与外观纹理纳入统一生成流程，避免了传统多阶段拼接的不协调问题。其应用潜力覆盖虚拟现实、数字孪生、机器人操作等领域，可大幅降低可交互三维内容的创建门槛。研究团队指出，结构化潜空间的通用性使该方法有望扩展至机械装配、生物骨骼等复杂系统。这项成果不仅推动了可动三维生成的技术边界，也为 AI 理解物体功能性与交互属性提供了新范式。相关研究将作为空间智能的重要方向，在 2025 年 GAIR 大会中进一步探讨产业化路径。

原文和模型

【原文链接】 阅读原文 [ 3295字 | 14分钟 ]
【原文作者】 AI科技评论
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★★★☆☆

派欧算力云 – AI 云端一体化解决方案: 模型 API、Serverless、GPU 租赁

派欧算力云提供全面的 AI 云端平台解决方案,包括模型 API、Serverless 和高性能 GPU 实例等,帮助您节省高达 50% 的成本,并同时加速 AI 产品的构建和业务发展,助力企业实现创新突破,赢得市场竞争优势。