HY3D-Bench: Geração de Ativos 3D
HY3D-Bench: Generation of 3D Assets
February 3, 2026
Autores: 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
Resumo
Embora os avanços recentes em representações neurais e modelos generativos tenham revolucionado a criação de conteúdo 3D, a área ainda permanece limitada por significativos gargalos de processamento de dados. Para enfrentar este problema, apresentamos o HY3D-Bench, um ecossistema de código aberto projetado para estabelecer uma base unificada e de alta qualidade para a geração 3D. Nossas contribuições são triplas: (1) Curamos uma biblioteca de 250 mil objetos 3D de alta fidelidade, destilados de repositórios em larga escala, empregando um pipeline rigoroso para entregar artefatos prontos para treinamento, incluindo malhas estanques e renderizações multi-visão; (2) Introduzimos uma decomposição estruturada a nível de partes, fornecendo a granularidade essencial para percepção refinada e edição controlável; e (3) Preenchemos lacunas de distribuição do mundo real por meio de um pipeline escalável de síntese AIGC (Conteúdo Gerado por IA), contribuindo com 125 mil ativos sintéticos para aumentar a diversidade em categorias de cauda longa. Validado empiricamente pelo treinamento do Hunyuan3D-2.1-Small, o HY3D-Bench democratiza o acesso a recursos de dados robustos, visando catalisar a inovação nas áreas de percepção 3D, robótica e criação de conteúdo digital.
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.