HY3D-Bench: Generación de Activos 3D
HY3D-Bench: Generation of 3D Assets
February 3, 2026
Autores: Team Hunyuan3D, Bowen Zhang, Chunchao Guo, Dongyuan Guo, Haolin Liu, Hongyu Yan, Huiwen Shi, Jiaao Yu, Jiachen Xu, Jingwei Huang, Kunhong Li, Lifu Wang, Linus, Penghao Wang, Qingxiang Lin, Ruining Tang, Xianghui Yang, Yang Li, Yirui Guan, Yunfei Zhao, Yunhan Yang, Zeqiang Lai, Zhihao Liang, Zibo Zhao
cs.AI
Resumen
Si bien los recientes avances en representaciones neuronales y modelos generativos han revolucionado la creación de contenido 3D, el campo sigue limitado por importantes cuellos de botella en el procesamiento de datos. Para abordar este problema, presentamos HY3D-Bench, un ecosistema de código abierto diseñado para establecer una base unificada y de alta calidad para la generación 3D. Nuestras contribuciones son triples: (1) Recopilamos una biblioteca de 250k objetos 3D de alta fidelidad destilados de repositorios a gran escala, empleando un pipeline riguroso para ofrecer artefactos listos para el entrenamiento, incluyendo mallas estancas y representaciones multi-vista; (2) Introducimos una descomposición estructurada a nivel de piezas, proporcionando la granularidad esencial para una percepción detallada y una edición controlable; y (3) Cerramos las brechas de distribución del mundo real mediante un pipeline escalable de síntesis AIGC (Contenido Generado por IA), contribuyendo con 125k activos sintéticos para mejorar la diversidad en categorías de cola larga. Validado empíricamente mediante el entrenamiento de Hunyuan3D-2.1-Small, HY3D-Bench democratiza el acceso a recursos de datos robustos, con el objetivo de catalizar la innovación en percepción 3D, robótica y creación de contenido digital.
English
While recent advances in neural representations and generative models have revolutionized 3D content creation, the field remains constrained by significant data processing bottlenecks. To address this, we introduce HY3D-Bench, an open-source ecosystem designed to establish a unified, high-quality foundation for 3D generation. Our contributions are threefold: (1) We curate a library of 250k high-fidelity 3D objects distilled from large-scale repositories, employing a rigorous pipeline to deliver training-ready artifacts, including watertight meshes and multi-view renderings; (2) We introduce structured part-level decomposition, providing the granularity essential for fine-grained perception and controllable editing; and (3) We bridge real-world distribution gaps via a scalable AIGC synthesis pipeline, contributing 125k synthetic assets to enhance diversity in long-tail categories. Validated empirically through the training of Hunyuan3D-2.1-Small, HY3D-Bench democratizes access to robust data resources, aiming to catalyze innovation across 3D perception, robotics, and digital content creation.