Kaininja：将原生 3D 生成模型扩展至部件级资产生成

研究团队于2026年9月14日在arXiv发布原生部件级3D生成模型KaiNinja，解决了传统原生模型输出单体融合网格导致难以直接编辑与绑定的难题。

• 针对现有O-Voxel单体体积无法表达部件接触界面的空间表示限制，论文提出了双体积空间表征方法。
• 模型基于TRELLIS.2进行部件级拓展，无需在生成后处理中引入额外的3D分割网络或掩码流程。
• 训练数据融合了CAD模型以及由大语言模型智能体自主生成的部件资产，探索了合成部件数据的训练可行性。
• 实验结果显示，KaiNinja在整体物体倒角距离上降低了40%，同时将严格部件F分数提升了16%。
• 影响/看点：该方法有望提升原生3D生成资产在下游游戏与工业动画工作流中的可用性，但其规模化应用仍依赖高质量结构化部件数据集的持续扩充。
• 资料依据:
• arXiv（2026-09-14）：https://arxiv.org/abs/2609.15659
• Hugging Face（2026-09-14）：https://huggingface.co/papers/2609.15659

本内容由 AI 生成，仅供参考，请注意甄别