機器之心報道 編輯：小舟、佳琪
2025 年來了，3D 生成也迎來了新突破。 剛剛，Stability AI 在 CES 上宣布為 3D 生成推出一種兩階段新方法 ——SPAR3D（Stable Point Aware 3D），旨在為游戲開發(fā)者、產品設計師和環(huán)境構建者開拓 3D 原型設計新方式。 無論是精致的藝術品，還是紋理復雜的日常用品，SPAR3D 都能提供精確的幾何形狀和完整的 360 度視圖的詳細預測，包括通常隱藏的區(qū)域（例如物體的背面）：
值得一提的是，SPAR3D 還引入了實時編輯功能，能在不到一秒的時間內從單個圖像生成 3D 對象的完整結構。
SPAR3D 是一種新穎的兩階段方法：第一階段使用輕量級點擴散模型生成稀疏 3D 點云，采樣速度快；第二階段使用采樣點云和輸入圖像來創(chuàng)建高度詳細的網格。 這種兩階段設計能夠對不適定的單圖像 3D 任務進行概率建模，同時保持高計算效率和出色的輸出保真度。使用點云作為中間表征還進一步允許交互式用戶編輯。在不同的數(shù)據(jù)集上進行評估后，SPAR3D 表現(xiàn)出了優(yōu)于 SOTA 方法的性能。
簡單來說，SPAR3D 具有如下優(yōu)勢：
SPAR3D 基于點云采樣的單圖像三維物體重建 從一張圖像重建 3D 物體是一個具有挑戰(zhàn)性的逆向工程問題：盡管可以通過分析圖像中的光影來推測物體的可見表面形狀，但要準確預測被遮擋的部分，需要豐富的 3D 先驗知識作為支撐。 目前該領域主要有兩個發(fā)展方向：前饋回歸和基于擴散的生成。基于回歸的模型雖然推理速度快，但對重建有遮擋的區(qū)域效果不佳。而基于擴散的方法通過迭代采樣可以生成多樣化的 3D 結果，但計算效率低且與輸入圖像的對齊效果較差。 為了既能充分利用擴散模型在分布式學習方面的優(yōu)勢，又能避免輸出質量差和計算效率低的問題，Stability AI 的研究團隊設計了一個兩階段重建系統(tǒng)：SPAR3D。這個系統(tǒng)將 3D 重建過程分為點采樣和網格化兩個階段，實現(xiàn)了高效率與高質量的平衡。 當輸入一張圖像時，該方法可以生成一個包含 PBR 材質的 3D 網格模型，其中包括反照率、金屬度、粗糙度和表面法線等屬性。
該團隊設計了一個包含點采樣和網格化兩個階段的模型（如圖 2 所示）。在點采樣階段，系統(tǒng)將使用點擴散模型來學習輸入圖像對應的點云分布。由于點云的分辨率較低，這個階段能快速完成迭代采樣。
在網格化階段，系統(tǒng)通過回歸方法將采樣得到的點云轉換為高細節(jié)網格，并利用局部圖像特征確保與輸入圖像的準確匹配。 這種設計將復雜的不確定性計算集中在點采樣階段，讓網格化階段能夠專注于生成高質量的細節(jié)。這不僅提升了整體效果，有效減少了紋理中不必要的光照影響，特別是在處理反光表面時效果更好。 選擇點云作為連接兩個階段的中間表示是該方法的關鍵設計。點云不僅是計算效率最高的 3D 表示，因為所有信息都用于表示表面，其缺乏連接性的特點還為用戶編輯提供了優(yōu)勢。 當 3D 生成的結果與用戶期望不符時，可以在低分辨率點云上輕松進行局部編輯，無需擔心拓撲結構。將編輯后的點云輸入網格化階段即可生成更符合用戶需求的網格。這也使得 SPAR3D 在保持高計算效率和輸入觀察保真度的同時，顯著優(yōu)于以往的回歸方法。 實驗 主要結果 該團隊在 GSO 和 Omniobject3D 數(shù)據(jù)集上對 SPAR3D 與其他基線方法進行了定量比較。如表 1 和表 2 所示，SPAR3D 在兩個數(shù)據(jù)集的大多數(shù)評估指標上都顯著優(yōu)于其他回歸或生成式基線方法。
圖 5 展示了不同方法的定性結果對比：基于回歸的方法 (如 SF3D、TripoSR) 生成的 3D 資產雖然與輸入的圖像保持了較好的一致性，但背面過于平滑；基于多視圖擴散的方法（如 LGM、CRM）生成的 3D 資產雖然在背面保留了較多細節(jié)，但存在明顯偽影；而純生成方法（如 Shap-E、LN3Diff）雖然能生成清晰的表面輪廓，但細節(jié)經常出錯。
相比之下，SPAR3D 不僅能忠實重現(xiàn)輸入圖像，還能合理生成被遮擋部分的細節(jié)。 圖 6 進一步展示了其在真實場景圖像上的出色泛化性能。
可編輯的結果 SPAR3D 采用顯式點云作為中間表示，為用戶提供了進一步編輯模型的能力。通過點云，用戶可以靈活地修改重建網格的不可見部分。 圖 7 展示了幾個編輯示例，比如為 3D 模型添加關鍵組件，還能優(yōu)化生成效果不理想的細節(jié)部分。
這種編輯方式簡單高效，讓用戶能夠根據(jù)需求輕松調整重建結果。 消融實驗 研究團隊通過消融實驗驗證了點采樣階段的關鍵作用。他們將 SPAR3D 簡化為純回歸模型 SPAR3D w/o Point（移除點采樣階段），并在 GSO 和 Omniobject3D 數(shù)據(jù)集上進行對比。
實驗結果顯示，完整的 SPAR3D 明顯優(yōu)于簡化版本，驗證了該設計的有效性。 分析 該團隊設計了實驗來進一步理解 SPAR3D 的工作原理。在設計 SPAR3D 時，其核心假設是兩階段設計能有效分離單目 3D 重建中的不確定部分 (背面建模) 和確定性部分 (可見表面建模)。 理想情況下，網格化階段應主要依靠輸入圖像重建可見表面，同時依靠點云生成背面。為驗證這一點，研究團隊進行了一個特殊的實驗：故意將不匹配的數(shù)據(jù)輸入系統(tǒng)（一張松鼠的圖片配上一匹馬的點云數(shù)據(jù)），以測試系統(tǒng)如何處理這種沖突的輸入。
如圖 8 所示，實驗結果很有意思：重建模型的正面與松鼠對齊，而背面則遵循了點云馬的形狀。這個結果證實了系統(tǒng)確實能夠分別處理可見和不可見部分的重建工作。 更多研究細節(jié)，請參閱原論文。 參考鏈接： https://stability.ai/news/stable-point-aware-3d?utm_source=x&utm_medium=social&utm_campaign=SPAR3D https://static1.squarespace.com/static/6213c340453c3f502425776e/t/677e3bc1b9e5df16b60ed4fe/1736326093956/SPAR3D Research Paper.pdf |
