Hunyuan3D 2.1 : Des images aux actifs 3D haute fidélité avec des matériaux PBR prêts pour la production

Hunyuan3D 2.1: From Images to High-Fidelity 3D Assets with Production-Ready PBR Material

June 18, 2025

Auteurs: Team Hunyuan3D, Shuhui Yang, Mingxin Yang, Yifei Feng, Xin Huang, Sheng Zhang, Zebin He, Di Luo, Haolin Liu, Yunfei Zhao, Qingxiang Lin, Zeqiang Lai, Xianghui Yang, Huiwen Shi, Zibo Zhao, Bowen Zhang, Hongyu Yan, Lifu Wang, Sicong Liu, Jihong Zhang, Meng Chen, Liang Dong, Yiwen Jia, Yulin Cai, Jiaao Yu, Yixuan Tang, Dongyuan Guo, Junlin Yu, Hao Zhang, Zheng Ye, Peng He, Runzhou Wu, Shida Wei, Chao Zhang, Yonghao Tan, Yifu Sun, Lin Niu, Shirui Huang, Bojian Zheng, Shu Liu, Shilin Chen, Xiang Yuan, Xiaofeng Yang, Kai Liu, Jianchen Zhu, Peng Chen, Tian Liu, Di Wang, Yuhong Liu, Linus, Jie Jiang, Jingwei Huang, Chunchao Guo

cs.AI

Résumé

Le contenu 3D généré par intelligence artificielle (AIGC) est un domaine passionnant qui a considérablement accéléré la création de modèles 3D dans les secteurs du jeu vidéo, du cinéma et du design. Malgré le développement de plusieurs modèles révolutionnaires qui ont transformé la génération 3D, ce domaine reste largement accessible uniquement aux chercheurs, développeurs et concepteurs en raison des complexités liées à la collecte, au traitement et à l’entraînement des modèles 3D. Pour relever ces défis, nous présentons Hunyuan3D 2.1 comme étude de cas dans ce tutoriel. Ce tutoriel propose un guide complet et détaillé sur le traitement des données 3D, l’entraînement d’un modèle génératif 3D et l’évaluation de ses performances à l’aide de Hunyuan3D 2.1, un système avancé pour produire des actifs 3D haute résolution et texturés. Le système comprend deux composants principaux : Hunyuan3D-DiT pour la génération de formes et Hunyuan3D-Paint pour la synthèse de textures. Nous explorerons l’ensemble du flux de travail, incluant la préparation des données, l’architecture du modèle, les stratégies d’entraînement, les métriques d’évaluation et le déploiement. À l’issue de ce tutoriel, vous disposerez des connaissances nécessaires pour affiner ou développer un modèle génératif 3D robuste, adapté aux applications dans les domaines du jeu vidéo, de la réalité virtuelle et du design industriel.

English

3D AI-generated content (AIGC) is a passionate field that has significantly accelerated the creation of 3D models in gaming, film, and design. Despite the development of several groundbreaking models that have revolutionized 3D generation, the field remains largely accessible only to researchers, developers, and designers due to the complexities involved in collecting, processing, and training 3D models. To address these challenges, we introduce Hunyuan3D 2.1 as a case study in this tutorial. This tutorial offers a comprehensive, step-by-step guide on processing 3D data, training a 3D generative model, and evaluating its performance using Hunyuan3D 2.1, an advanced system for producing high-resolution, textured 3D assets. The system comprises two core components: the Hunyuan3D-DiT for shape generation and the Hunyuan3D-Paint for texture synthesis. We will explore the entire workflow, including data preparation, model architecture, training strategies, evaluation metrics, and deployment. By the conclusion of this tutorial, you will have the knowledge to finetune or develop a robust 3D generative model suitable for applications in gaming, virtual reality, and industrial design.