腾讯混元推出业界首个美术级 3D 生成大模型 Hunyuan3D-PolyGen，结合自研高压缩率表征 BPT 技术，显著提升美术师建模效率，解决 3D 资产生成中的布线质量和复杂物体建模难题。

7 月 7 日消息，IT之家从腾讯混元公众号获悉，业界首个美术级 3D 生成大模型 Hunyuan3D-PolyGen 今日正式发布。

该模型结合自研高压缩率表征 BPT 技术，可生成面数达上万面的复杂几何模型，布线精度更高，细节更丰富，同时支持三边面和四边面，满足不同专业管线需求。基于此，混元 3D 资产可无缝应用于 UGC 游戏资产生成，显著提升美术师建模效率。

目前，这一技术及能力已上线腾讯混元 3D AI 创作引擎，并集成到腾讯多个游戏管线，助力美术师建模效率提升超 70%。据官方介绍，模型主要是为解决 3D 资产生成中布线质量和复杂物体建模的难题，提升美术师建模效率。

官方提供了几组输入图和输出效果如下（每组上为演示图，下为输出效果）：

据介绍，当前 3D 生成算法在几何建模方面已有显著进展，但生成结果与美术制作的专业标准仍有明显差距，难以直接应用于游戏开发等专业管线。

Hunyuan3D-PolyGen 采用自回归网格生成框架，通过显式、离散的顶点与面片建模，进行空间推理，生成高质量、符合美术规范的 3D 模型。其核心框架包括以下三个步骤：

• 网格序列化：将网格的顶点和面片转化为 Token 序列，用以表示 Mesh 结构。
• 自回归建模：以点云作为输入 Prompt，利用自回归模型生成 Mesh 的 Token 序列。
• 序列解码：将生成的 Token 序列反向解码为顶点与面片，重建 3D 网格。

腾讯研发了 mesh 自回归的强化学习后训练框架，在预训练模型的基础上进行后训练，设计稳定生成和美术规范奖励来引导模型生成更好的结果。通过强化学习，可以提升模型生成“好结果”的概率，降低模型生成“差结果”的概率，从而提升了模型生成的稳定性。