AssetFormer: Geração Modular de Ativos 3D com Transformer Autoregressivo
AssetFormer: Modular 3D Assets Generation with Autoregressive Transformer
February 12, 2026
Autores: Lingting Zhu, Shengju Qian, Haidi Fan, Jiayu Dong, Zhenchao Jin, Siwei Zhou, Gen Dong, Xin Wang, Lequan Yu
cs.AI
Resumo
A indústria digital exige ativos modulares 3D de alta qualidade e diversificados, especialmente para conteúdo gerado por utilizadores (CGU). Neste trabalho, apresentamos o AssetFormer, um modelo baseado em Transformer autoregressivo concebido para gerar ativos modulares 3D a partir de descrições textuais. O nosso estudo piloto aproveita ativos modulares do mundo real recolhidos de plataformas online. O AssetFormer enfrenta o desafio de criar ativos compostos por primitivas que aderem a parâmetros de design restritos para várias aplicações. Ao adaptar de forma inovadora técnicas de sequenciação e descodificação de módulos inspiradas em modelos de linguagem, a nossa abordagem melhora a qualidade da geração de ativos através de modelação autoregressiva. Resultados iniciais indicam a eficácia do AssetFormer em simplificar a criação de ativos para cenários de desenvolvimento profissional e CGU. Este trabalho apresenta uma estrutura flexível extensível a vários tipos de ativos modulares 3D, contribuindo para o campo mais amplo da geração de conteúdo 3D. O código está disponível em https://github.com/Advocate99/AssetFormer.
English
The digital industry demands high-quality, diverse modular 3D assets, especially for user-generated content~(UGC). In this work, we introduce AssetFormer, an autoregressive Transformer-based model designed to generate modular 3D assets from textual descriptions. Our pilot study leverages real-world modular assets collected from online platforms. AssetFormer tackles the challenge of creating assets composed of primitives that adhere to constrained design parameters for various applications. By innovatively adapting module sequencing and decoding techniques inspired by language models, our approach enhances asset generation quality through autoregressive modeling. Initial results indicate the effectiveness of AssetFormer in streamlining asset creation for professional development and UGC scenarios. This work presents a flexible framework extendable to various types of modular 3D assets, contributing to the broader field of 3D content generation. The code is available at https://github.com/Advocate99/AssetFormer.