HY3D-Bench: 3Dアセットの生成

HY3D-Bench: Generation of 3D Assets

February 3, 2026

著者: 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

要旨

ニューラル表現と生成モデルの近年の進歩は3Dコンテンツ作成に革命をもたらしたが、この分野は依然として重大なデータ処理のボトルネックに制約されている。この問題に対処するため、我々は3D生成における統一された高品質な基盤を確立することを目的としたオープンソースエコシステム「HY3D-Bench」を提案する。主な貢献は以下の3点である：(1)大規模リポジトリから精選された25万点の高精細3Dオブジェクトライブラリを構築し、水密メッシュや多視点レンダリングを含む学習準備済みアセットを提供する厳密なパイプラインを採用、(2)細粒度知覚と制御可能な編集に不可欠な粒度を提供する構造化されたパートレベル分解の導入、(3)スケーラブルなAIGC合成パイプラインによる実世界分布ギャップの解消により、ロングテールカテゴリの多様性強化に向けて12万5千点の合成アセットを提供。Hunyuan3D-2.1-Smallの学習による実証的検証を経て、HY3D-Benchは堅牢なデータリソースへのアクセスを民主化し、3D知覚、ロボティクス、デジタルコンテンツ作成におけるイノベーションの促進を目指す。

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.