UltraShape 1.0: Generazione di Forme 3D ad Alta Fedeltà tramite Affinamento Geometrico Scalabile
UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement
December 24, 2025
Autori: 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
Abstract
In questo rapporto presentiamo UltraShape 1.0, un framework di diffusione 3D scalabile per la generazione di geometrie 3D ad alta fedeltà. L'approccio proposto adotta una pipeline di generazione a due stadi: viene prima sintetizzata una struttura globale approssimativa, che viene poi raffinata per produrre geometrie dettagliate e di alta qualità. Per supportare una generazione 3D affidabile, abbiamo sviluppato una pipeline completa di elaborazione dati che include un innovativo metodo di rendering impermeabile e un filtro di alta qualità per i dati. Questa pipeline migliora la qualità geometrica dei dataset 3D pubblicamente disponibili rimuovendo campioni di bassa qualità, riempiendo lacune e ispessendo strutture sottili, preservando al contempo i dettagli geometrici granulari. Per consentire un raffinamento granulare della geometria, separiamo la localizzazione spaziale dalla sintesi dei dettagli geometrici nel processo di diffusione. Raggiungiamo questo obiettivo eseguendo un raffinamento basato su voxel in posizioni spaziali fisse, dove query di voxel derivate dalla geometria approssimativa forniscono ancore posizionali esplicite codificate tramite RoPE, permettendo al modello di diffusione di concentrarsi sulla sintesi di dettagli geometrici locali all'interno di uno spazio di soluzione ridotto e strutturato. Il nostro modello è addestrato esclusivamente su dataset 3D pubblicamente disponibili, raggiungendo un'elevata qualità geometrica nonostante risorse di addestramento limitate. Valutazioni estensive dimostrano che UltraShape 1.0 compete con i metodi open-source esistenti sia nella qualità dell'elaborazione dei dati che nella generazione della geometria. Tutto il codice e i modelli addestrati saranno rilasciati per supportare la ricerca futura.
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.