2D 升維成 3D 的過程中，可見部分和不可見部分可以分開建模。

2025 年來了，3D 生成也迎來了新突破。

剛剛，Stability AI 在 CES 上宣布為 3D 生成推出一種兩階段新方法 ——SPAR3D（Stable Point Aware 3D），旨在為游戲開發(fā)者、產(chǎn)品設計師和環(huán)境構(gòu)建者開拓 3D 原型設計新方式。

無論是精致的藝術品，還是紋理復雜的日常用品，SPAR3D 都能提供精確的幾何形狀和完整的 360 度視圖的詳細預測，包括通常隱藏的區(qū)域（例如物體的背面）：

值得一提的是，SPAR3D 還引入了實時編輯功能，能在不到一秒的時間內(nèi)從單個圖像生成 3D 對象的完整結(jié)構(gòu)。

SPAR3D 是一種新穎的兩階段方法：第一階段使用輕量級點擴散模型生成稀疏 3D 點云，采樣速度快；第二階段使用采樣點云和輸入圖像來創(chuàng)建高度詳細的網(wǎng)格。

這種兩階段設計能夠?qū)Σ贿m定的單圖像 3D 任務進行概率建模，同時保持高計算效率和出色的輸出保真度。使用點云作為中間表征還進一步允許交互式用戶編輯。在不同的數(shù)據(jù)集上進行評估后，SPAR3D 表現(xiàn)出了優(yōu)于 SOTA 方法的性能。

• 論文標題：SPAR3D: Stable Point-Aware Reconstruction of 3D Objects from Single Images
• 論文鏈接：https://static1.squarespace.com/static/6213c340453c3f502425776e/t/677e3bc1b9e5df16b60ed4fe/1736326093956/SPAR3D+Research+Paper.pdf

簡單來說，SPAR3D 具有如下優(yōu)勢：

• 前所未有的控制：允許用戶通過刪除、復制、拉伸、添加特征或重新著色點來直接編輯點云。
• 完整的結(jié)構(gòu)預測：通過提供精確的幾何形狀和完整的 360 度視圖的詳細預測來增強 3D 構(gòu)建。
• 閃電般快速生成：僅需 0.3 秒即可將編輯后的點云轉(zhuǎn)換為最終網(wǎng)格，實現(xiàn)無縫實時編輯。從單個輸入圖像，SPAR3D 僅需 0.7 秒即可為每個對象生成高度詳細的 3D 網(wǎng)格。

SPAR3D

基于點云采樣的單圖像三維物體重建

從一張圖像重建 3D 物體是一個具有挑戰(zhàn)性的逆向工程問題：盡管可以通過分析圖像中的光影來推測物體的可見表面形狀，但要準確預測被遮擋的部分，需要豐富的 3D 先驗知識作為支撐。

目前該領域主要有兩個發(fā)展方向：前饋回歸和基于擴散的生成。基于回歸的模型雖然推理速度快，但對重建有遮擋的區(qū)域效果不佳。而基于擴散的方法通過迭代采樣可以生成多樣化的 3D 結(jié)果，但計算效率低且與輸入圖像的對齊效果較差。

為了既能充分利用擴散模型在分布式學習方面的優(yōu)勢，又能避免輸出質(zhì)量差和計算效率低的問題，Stability AI 的研究團隊設計了一個兩階段重建系統(tǒng)：SPAR3D。這個系統(tǒng)將 3D 重建過程分為點采樣和網(wǎng)格化兩個階段，實現(xiàn)了高效率與高質(zhì)量的平衡。

當輸入一張圖像時，該方法可以生成一個包含 PBR 材質(zhì)的 3D 網(wǎng)格模型，其中包括反照率、金屬度、粗糙度和表面法線等屬性。

該團隊設計了一個包含點采樣和網(wǎng)格化兩個階段的模型（如圖 2 所示）。在點采樣階段，系統(tǒng)將使用點擴散模型來學習輸入圖像對應的點云分布。由于點云的分辨率較低，這個階段能快速完成迭代采樣。

在網(wǎng)格化階段，系統(tǒng)通過回歸方法將采樣得到的點云轉(zhuǎn)換為高細節(jié)網(wǎng)格，并利用局部圖像特征確保與輸入圖像的準確匹配。

這種設計將復雜的不確定性計算集中在點采樣階段，讓網(wǎng)格化階段能夠?qū)Ｗ⒂谏筛哔|(zhì)量的細節(jié)。這不僅提升了整體效果，有效減少了紋理中不必要的光照影響，特別是在處理反光表面時效果更好。

選擇點云作為連接兩個階段的中間表示是該方法的關鍵設計。點云不僅是計算效率最高的 3D 表示，因為所有信息都用于表示表面，其缺乏連接性的特點還為用戶編輯提供了優(yōu)勢。

當 3D 生成的結(jié)果與用戶期望不符時，可以在低分辨率點云上輕松進行局部編輯，無需擔心拓撲結(jié)構(gòu)。將編輯后的點云輸入網(wǎng)格化階段即可生成更符合用戶需求的網(wǎng)格。這也使得 SPAR3D 在保持高計算效率和輸入觀察保真度的同時，顯著優(yōu)于以往的回歸方法。

實驗

主要結(jié)果

該團隊在 GSO 和 Omniobject3D 數(shù)據(jù)集上對 SPAR3D 與其他基線方法進行了定量比較。如表 1 和表 2 所示，SPAR3D 在兩個數(shù)據(jù)集的大多數(shù)評估指標上都顯著優(yōu)于其他回歸或生成式基線方法。

圖 5 展示了不同方法的定性結(jié)果對比：基于回歸的方法 (如 SF3D、TripoSR) 生成的 3D 資產(chǎn)雖然與輸入的圖像保持了較好的一致性，但背面過于平滑；基于多視圖擴散的方法（如 LGM、CRM）生成的 3D 資產(chǎn)雖然在背面保留了較多細節(jié)，但存在明顯偽影；而純生成方法（如 Shap-E、LN3Diff）雖然能生成清晰的表面輪廓，但細節(jié)經(jīng)常出錯。

相比之下，SPAR3D 不僅能忠實重現(xiàn)輸入圖像，還能合理生成被遮擋部分的細節(jié)。

圖 6 進一步展示了其在真實場景圖像上的出色泛化性能。

可編輯的結(jié)果

SPAR3D 采用顯式點云作為中間表示，為用戶提供了進一步編輯模型的能力。通過點云，用戶可以靈活地修改重建網(wǎng)格的不可見部分。

圖 7 展示了幾個編輯示例，比如為 3D 模型添加關鍵組件，還能優(yōu)化生成效果不理想的細節(jié)部分。

這種編輯方式簡單高效，讓用戶能夠根據(jù)需求輕松調(diào)整重建結(jié)果。

消融實驗

研究團隊通過消融實驗驗證了點采樣階段的關鍵作用。他們將 SPAR3D 簡化為純回歸模型 SPAR3D w/o Point（移除點采樣階段），并在 GSO 和 Omniobject3D 數(shù)據(jù)集上進行對比。

實驗結(jié)果顯示，完整的 SPAR3D 明顯優(yōu)于簡化版本，驗證了該設計的有效性。

分析

該團隊設計了實驗來進一步理解 SPAR3D 的工作原理。在設計 SPAR3D 時，其核心假設是兩階段設計能有效分離單目 3D 重建中的不確定部分 (背面建模) 和確定性部分 (可見表面建模)。

理想情況下，網(wǎng)格化階段應主要依靠輸入圖像重建可見表面，同時依靠點云生成背面。為驗證這一點，研究團隊進行了一個特殊的實驗：故意將不匹配的數(shù)據(jù)輸入系統(tǒng)（一張松鼠的圖片配上一匹馬的點云數(shù)據(jù)），以測試系統(tǒng)如何處理這種沖突的輸入。

如圖 8 所示，實驗結(jié)果很有意思：重建模型的正面與松鼠對齊，而背面則遵循了點云馬的形狀。這個結(jié)果證實了系統(tǒng)確實能夠分別處理可見和不可見部分的重建工作。

更多研究細節(jié)，請參閱原論文。

參考鏈接：

https://stability.ai/news/stable-point-aware-3d?utm_source=x&utm_medium=social&utm_campaign=SPAR3D。

https://static1.squarespace.com/static/6213c340453c3f502425776e/t/677e3bc1b9e5df16b60ed4fe/1736326093956/SPAR3D+Research+Paper.pdf。