在高質量3D生成需求日益增長的背景下，如何高效生成結構精良、幾何精細的三維資產，已成為AIGC和數字內容創作領域的關鍵挑戰。

盡管近年來的3D生成方法發展迅速，精度越來越高，但現有框架在兼顧效率和質量上依然面臨瓶頸，尤其是在高分辨率建模中，計算的高復雜度嚴重制約了生成速度和應用落地。

為解決上述困境，南洋理工大學聯合數美萬物、西湖大學提出了Ultra3D：一種全新的3D生成框架。

Ultra3D提出了一種 coarse-to-fine 的兩階段生成流程，高效實現高分辨率三維資產建模，刷新了3D生成質量的上限。在第一階段，Ultra3D 利用高效的 VecSet 表示快速生成 coarse mesh，并導出稀疏體素；在第二階段，引入新提出局部化的 Part Attention，對每個體素進行細粒度特征建模。

該機制僅在語義一致的局部區域內進行注意力計算，大幅降低全局注意力的冗余計算，有效提升生成效率。該方法支持1024分辨率輸出，實現在保持高保真度的同時，實現高達6.7×的加速比，為三維資產的快速生成和下游應用提供了切實可行的解決方案。

研究背景

3D生成領域近年來進展迅猛，稀疏體素憑借其對表面細節強大的建模能力成為了近來的各個SoTA方法普遍采用的3D表征。

這一表征將3D物體編碼成稀疏體素以及與各個體素對應的latent token。其雖然表達能力非常強，但由于其token數目巨大，在高分辨率下往往過萬，所以導致其計算效率很低。

鑒于此，之前的工作往往局限于一個較低的分辨率，從而難以沖擊更高的質量。為解決這一問題，Ultra3D旨在提出一個全新的兼顧效率和質量的二階段生成pipeline，在不降低質量的情況下大幅加速了訓練和推理，從而將其擴展到了更高的分辨率和更高的質量。

方法概述

Ultra3D 由一個二階段的Pipeline構成：第一階段通過緊湊高效的 VecSet 表征快速生成 coarse mesh，并據此體素化得到稀疏體素的結構布局；第二階段則基于該布局引入結構感知的 Part Attention，對每個體素進行 latent feature 精細建模。

Part Attention 通過幾何對齊的語義分組，僅在局部區域內計算注意力，大幅減少計算冗余，同時保持幾何連續性和細節質量。實驗顯示，Ultra3D 可在不犧牲生成質量的前提下，實現3.3× 的整體加速，并在多個指標上超越現有 SoTA 方法，兼具速度與保真。

Ultra3D的核心在于其新提出的part attention機制，sparse voxel這一表征雖然表達力很強，但苦于其token數太大，導致attention的計算開銷巨大。

為解決這一問題，Ultra3D提出了一種專為3D設計的part attention，其將attention計算限制在同一個part group內，避免了冗余的全局attention，從而在不降低質量的情況下大幅度地降低了計算壓力。

一個簡單的替代方案是使用在大語言模型領域常用到的window attention，但如下圖所示，實驗表明這種attention直接運用到3D中會導致質量的下降。這是因為其固定的分割模式與3D物體的語義并不吻合。

與其他方法的對比實驗和user study表明，Ultra3D在生成質量上遠超了之前的SoTA方法，能生產具有高精度細節的高分辨mesh。attention的ablation實驗也表明part attention是更加適用與3D生成的local attention機制。

結語

Ultra3D提出了一個兼顧效率與保真度的創新性3D生成框架，成功突破了當前主流方法在分辨率和計算成本之間的權衡瓶頸。

通過coarse-to-fine的雙階段設計，以及結構感知的Part Attention機制，Ultra3D顯著提高了稀疏體素建模的效率，在保持高質量輸出的同時實現了多倍加速，支持高達1024分辨率的三維資產生成。

這一方法不僅在多個定量指標上大幅超越現有SoTA方法，在用戶主觀評價中也表現優異，能夠真實還原復雜幾何結構和微小紋理細節，如毛發、衣褶等，展現出卓越的細節還原能力。

更重要的是，Ultra3D具備良好的擴展性和通用性，為數字內容創作、游戲建模、AR/VR、影視制作等多種下游應用提供了更快速、更高質的3D建模方案。

隨著生成式AI向多模態和高保真內容生成不斷邁進，Ultra3D所展現出的性能和潛力，標志著高分辨率3D生成進入了一個新階段。

未來，Ultra3D有望進一步拓展到動畫、可編輯3D內容生成以及3D-4D一體化建模等更多復雜任務，成為推動AIGC向更高維空間發展的關鍵技術基石。

論文鏈接：https://arxiv.org/abs/2507.17745
項目地址：https://buaacyw.github.io/ultra3d/