UltraShape 1.0: Generatie van Hoogwaardige 3D-vormen via Schaalbare Geometrische Verfijning
UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement
December 24, 2025
Auteurs: 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
Samenvatting
In dit rapport introduceren we UltraShape 1.0, een schaalbaar 3D-diffusieraamwerk voor de generatie van hoogwaardige 3D-geometrie. De voorgestelde aanpak hanteert een tweestaps generatiepijplijn: eerst wordt een grove globale structuur gesynthetiseerd, die vervolgens wordt verfijnd om gedetailleerde, hoogkwalitatieve geometrie te produceren. Om betrouwbare 3D-generatie te ondersteunen, ontwikkelden we een uitgebreide gegevensverwerkingspijplijn die een nieuwe waterdichte verwerkingsmethode en hoogwaardige gegevensfiltering omvat. Deze pijplijn verbetert de geometrische kwaliteit van publiek beschikbare 3D-datasets door het verwijderen van kwalitatief ondermaaste samples, het opvullen van gaten en het verdikken van dunne structuren, waarbij fijne geometrische details behouden blijven. Om fijnmazige geometrieverfijning mogelijk te maken, ontkoppelen we ruimtelijke lokalisatie van geometrische detailsynthese in het diffusieproces. Dit bereiken we door op vaste ruimtelijke locaties op voxels gebaseerde verfijning uit te voeren, waarbij voxelquery's afgeleid van grove geometrie expliciete positionele ankers bieden die via RoPE worden gecodeerd. Hierdoor kan het diffusiemodel zich concentreren op het synthetiseren van lokale geometrische details binnen een gereduceerde, gestructureerde oplossingsruimte. Ons model is uitsluitend getraind op publiek beschikbare 3D-datasets en bereikt een sterke geometrische kwaliteit ondanks beperkte trainingsbronnen. Uitgebreide evaluaties tonen aan dat UltraShape 1.0 competitief presteert met bestaande open-source methoden, zowel op het gebied van gegevensverwerkingskwaliteit als geometriegeneratie. Alle code en getrainde modellen zullen worden vrijgegeven ter ondersteuning van toekomstig onderzoek.
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.