UltraShape 1.0: Generación de Formas 3D de Alta Fidelidad mediante Refinamiento Geométrico Escalable
UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement
December 24, 2025
Autores: Tanghui Jia, Dongyu Yan, Dehao Hao, Yang Li, Kaiyi Zhang, Xianyi He, Lanjiong Li, Jinnan Chen, Lutao Jiang, Qishen Yin, Long Quan, Ying-Cong Chen, Li Yuan
cs.AI
Resumen
En este informe presentamos UltraShape 1.0, un marco de difusión 3D escalable para la generación de geometría 3D de alta fidelidad. El enfoque propuesto adopta un pipeline de generación en dos etapas: primero se sintetiza una estructura global tosca que luego se refina para producir geometría detallada y de alta calidad. Para respaldar una generación 3D confiable, desarrollamos un pipeline integral de procesamiento de datos que incluye un novedoso método de procesamiento de estanqueidad y un filtrado de datos de alta calidad. Este pipeline mejora la calidad geométrica de los conjuntos de datos 3D disponibles públicamente mediante la eliminación de muestras de baja calidad, el relleno de huecos y el engrosamiento de estructuras delgadas, preservando al mismo tiempo los detalles geométricos de grano fino. Para permitir un refinamiento de geometría de grano fino, desacoplamos la localización espacial de la síntesis de detalles geométricos en el proceso de difusión. Logramos esto realizando un refinamiento basado en vóxeles en ubicaciones espaciales fijas, donde las consultas de vóxeles derivadas de la geometría tosca proporcionan anclajes posicionales explícitos codificados mediante RoPE, permitiendo que el modelo de difusión se centre en sintetizar detalles geométricos locales dentro de un espacio de solución reducido y estructurado. Nuestro modelo se entrena exclusivamente con conjuntos de datos 3D disponibles públicamente, logrando una sólida calidad geométrica a pesar de los recursos de entrenamiento limitados. Evaluaciones exhaustivas demuestran que UltraShape 1.0 se desempeña de manera competitiva con los métodos de código abierto existentes, tanto en calidad de procesamiento de datos como en generación de geometría. Todo el código y los modelos entrenados se liberarán para apoyar futuras investigaciones.
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.