UltraShape 1.0: Hochauflösende 3D-Formgenerierung durch skalierbare geometrische Verfeinerung

papers.abstract

In diesem Bericht stellen wir UltraShape 1.0 vor, ein skalierbares 3D-Diffusionsframework zur Erzeugung hochwertiger 3D-Geometrien. Der vorgeschlagene Ansatz verfolgt eine zweistufige Generierungspipeline: Zunächst wird eine grobe globale Struktur synthetisiert und anschließend verfeinert, um eine detaillierte, hochwertige Geometrie zu erzeugen. Um eine zuverlässige 3D-Generierung zu ermöglichen, entwickelten wir eine umfassende Datenverarbeitungspipeline, die eine neuartige Wasserdicht-Verarbeitungsmethode und hochwertige Datenfilterung umfasst. Diese Pipeline verbessert die geometrische Qualität öffentlich verfügbarer 3D-Datensätze durch Entfernen minderwertiger Proben, Schließen von Lücken und Verdicken dünner Strukturen, wobei feingranulare geometrische Details erhalten bleiben. Um eine feingranulare geometrische Verfeinerung zu ermöglichen, entkoppeln wir die räumliche Lokalisierung von der Synthese geometrischer Details im Diffusionsprozess. Dies erreichen wir durch eine voxelbasierte Verfeinerung an festen räumlichen Positionen, wobei Voxel-Abfragen, die aus der Grobgeometrie abgeleitet werden, explizite Positionsanker bereitstellen, die via RoPE kodiert werden. Dies ermöglicht es dem Diffusionsmodell, sich auf die Synthese lokaler geometrischer Details innerhalb eines reduzierten, strukturierten Lösungsraums zu konzentrieren. Unser Modell wurde ausschließlich auf öffentlich verfügbaren 3D-Datensätzen trainiert und erreicht dennoch trotz begrenzter Trainingsressourcen eine hohe geometrische Qualität. Umfangreiche Evaluationen zeigen, dass UltraShape 1.0 in Bezug auf Datenverarbeitungsqualität und Geometriegenerierung wettbewerbsfähig mit bestehenden Open-Source-Methoden abschneidet. Der gesamte Code und die trainierten Modelle werden veröffentlicht, um zukünftige Forschung zu unterstützen.

English

In this report, we introduce UltraShape 1.0, a scalable 3D diffusion framework for high-fidelity 3D geometry generation. The proposed approach adopts a two-stage generation pipeline: a coarse global structure is first synthesized and then refined to produce detailed, high-quality geometry. To support reliable 3D generation, we develop a comprehensive data processing pipeline that includes a novel watertight processing method and high-quality data filtering. This pipeline improves the geometric quality of publicly available 3D datasets by removing low-quality samples, filling holes, and thickening thin structures, while preserving fine-grained geometric details. To enable fine-grained geometry refinement, we decouple spatial localization from geometric detail synthesis in the diffusion process. We achieve this by performing voxel-based refinement at fixed spatial locations, where voxel queries derived from coarse geometry provide explicit positional anchors encoded via RoPE, allowing the diffusion model to focus on synthesizing local geometric details within a reduced, structured solution space. Our model is trained exclusively on publicly available 3D datasets, achieving strong geometric quality despite limited training resources. Extensive evaluations demonstrate that UltraShape 1.0 performs competitively with existing open-source methods in both data processing quality and geometry generation. All code and trained models will be released to support future research.

UltraShape 1.0: Hochauflösende 3D-Formgenerierung durch skalierbare geometrische Verfeinerung

UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement

papers.abstract

Support