HY3D-Bench: 3D 에셋 생성

초록

신경망 표현과 생성 모델의 최근 발전이 3D 콘텐츠 제작에 혁명을 가져왔음에도 불구하고, 해당 분야는 여전히 상당한 데이터 처리 병목 현상에 제약을 받고 있습니다. 이를 해결하기 위해 본 논문은 3D 생성 연구를 위한 통합적이고 고품질의 기반을 마련하기 위해 설계된 오픈소스 생태계인 HY3D-Bench를 소개합니다. 우리의 기여는 세 가지로 요약됩니다: (1) 대규모 저장소로부터 정제한 25만 개의 고충실도 3D 객체 라이브러리를 구축하여, 수밀 메쉬(watertight mesh) 및 다중 시점 렌더링 등 학습 준비가 완료된 결과물을 엄격한 파이프라인을 통해 제공합니다; (2) 세분화된 인식과 제어 가능한 편집에 필수적인 단위를 제공하는 구조화된 부품 수준 분해(part-level decomposition)를 도입합니다; (3) 확장 가능한 AIGC(인공지능 생성 콘텐츠) 합성 파이프라인을 통해 현실 세계의 분포 격차를 해소하며, 롱테일(long-tail) 범주의 다양성 향상을 위해 12만 5천 개의 합성 자산을 추가합니다. Hunyuan3D-2.1-Small 모델 학습을 통해 실증적으로 검증된 HY3D-Bench는 강력한 데이터 자원에 대한 접근성을 확대하여 3D 인식, 로봇공학, 디지털 콘텐츠 제작 전반의 혁신을 촉진하는 것을 목표로 합니다.

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.

HY3D-Bench: 3D 에셋 생성

HY3D-Bench: Generation of 3D Assets

초록

Support