AssetFormer: Generación Modular de Activos 3D con Transformador Autoregresivo
AssetFormer: Modular 3D Assets Generation with Autoregressive Transformer
February 12, 2026
Autores: Lingting Zhu, Shengju Qian, Haidi Fan, Jiayu Dong, Zhenchao Jin, Siwei Zhou, Gen Dong, Xin Wang, Lequan Yu
cs.AI
Resumen
La industria digital demanda activos modulares 3D de alta calidad y diversidad, especialmente para contenido generado por usuarios (CGU). En este trabajo presentamos AssetFormer, un modelo basado en Transformer autorregresivo diseñado para generar activos modulares 3D a partir de descripciones textuales. Nuestro estudio piloto aprovecha activos modulares del mundo real recopilados de plataformas en línea. AssetFormer aborda el desafío de crear activos compuestos por primitivas que se adhieren a parámetros de diseño restringidos para diversas aplicaciones. Al adaptar innovadoramente técnicas de secuenciación y decodificación de módulos inspiradas en modelos de lenguaje, nuestro enfoque mejora la calidad de la generación de activos mediante modelado autorregresivo. Los resultados iniciales indican la efectividad de AssetFormer para agilizar la creación de activos en escenarios de desarrollo profesional y CGU. Este trabajo presenta un marco flexible extensible a varios tipos de activos modulares 3D, contribuyendo al campo más amplio de la generación de contenido 3D. El código está disponible en https://github.com/Advocate99/AssetFormer.
English
The digital industry demands high-quality, diverse modular 3D assets, especially for user-generated content~(UGC). In this work, we introduce AssetFormer, an autoregressive Transformer-based model designed to generate modular 3D assets from textual descriptions. Our pilot study leverages real-world modular assets collected from online platforms. AssetFormer tackles the challenge of creating assets composed of primitives that adhere to constrained design parameters for various applications. By innovatively adapting module sequencing and decoding techniques inspired by language models, our approach enhances asset generation quality through autoregressive modeling. Initial results indicate the effectiveness of AssetFormer in streamlining asset creation for professional development and UGC scenarios. This work presents a flexible framework extendable to various types of modular 3D assets, contributing to the broader field of 3D content generation. The code is available at https://github.com/Advocate99/AssetFormer.