UltraShape 1.0: スケーラブルな幾何学的精密化による高精細3D形状生成
UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement
December 24, 2025
著者: 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
要旨
本報告では、高忠実度3D形状生成のためのスケーラブルな3D拡散フレームワーク「UltraShape 1.0」を提案する。本手法は2段階の生成パイプラインを採用しており、まず大まかな大域構造を生成した後、詳細で高品質な形状へと精緻化する。信頼性の高い3D生成を実現するため、新規の水密処理手法と高品質なデータフィルタリングを含む包括的数据処理パイプラインを開発した。このパイプラインにより、公開されている3Dデータセットの幾何学的品質が向上し、低品質なサンプルの除去、穴埋め、薄い構造の厚み付けが行われる一方、微細な幾何学的詳細は保持される。
微細な形状精緻化を可能にするため、拡散プロセスにおいて空間的位置の特定と幾何学的詳細の合成を分離した。具体的には、固定された空間位置でボクセルベースの精緻化を実行し、粗い形状から導出されたボクセルクエリがRoPEで符号化された明示的位置アンカーとして機能するように設計した。これにより、拡散モデルは縮小された構造化解空間内で局所的な幾何学的詳細の合成に集中できる。
本モデルは公開3Dデータセットのみで学習されており、限られた学習リソースにも関わらず優れた幾何学的品質を達成している。大規模な評価により、UltraShape 1.0がデータ処理品質と形状生成の両面で既存のオープンソース手法と競合する性能を発揮することが実証された。今後の研究を支援するため、すべてのコードと学習済みモデルを公開する予定である。
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.