Hunyuan3D 2.0
Hunyuan3D 2.0 是腾讯推出的一种先进大规模 3D 合成系统，专注于生成高分辨率纹理化的 3D 资产。该系统包括两个基础组件：大规模形状生成模型 Hunyuan3D-DiT 和大规模纹理合成模型 Hunyuan3D-Paint。它通过解耦形状和纹理生成的难题，为用户提供了灵活的 3D 资产创作平台。该系统在几何细节、条件对齐、纹理质量等方面超越了现有的开源和闭源模型，具有极高的实用性和创新性。目前，该模型的推理代码和预训练模型已开源，用户可以通过官网或 Hugging Face 空间快速体验。
产品详情
Hunyuan3D 2.0 是腾讯推出的高分辨率 3D 资产生成系统，基于大规模扩散模型。
主要功能
使用教程
使用示例
设计师使用 Hunyuan3D 2.0 快速生成游戏中的 3D 角色模型。
开发者利用该模型的 API 接口集成到自己的 3D 创作工具中。
普通用户通过 Hugging Face 空间体验 3D 资产生成，制作个性化的 3D 场景。
快速访问
访问官网 →所属分类
相关推荐
发现更多类似的优质AI工具
Fogsight
Fogsight 是一款创新的动画引擎，利用大型语言模型生成生动的动画。它不仅支持多种语言，还能根据用户的输入生成高水平的叙事动画，适用于教育、娱乐和创意领域。Fogsight 注重用户体验，允许通过简单的界面与 AI 进行交互，快速生成所需的动画内容。
MuseSteamer AI
MuseSteamer AI 是一款突破性的多媒体智能引擎，可将概念和视觉转化为高级内容。该平台通过创新的计算创意实现了 89.38% 的 VBench 性能指标，将您的想法转变为优质内容。
Next Apps
Next Apps Lab是一个专注于建立创新用户友好应用程序的创意工作室，他们实验、设计和开发直观的解决方案，简化任务并将想法变为现实。
MeshifAI
MeshifAI 是一个先进的文本到 3D 模型生成平台，旨在帮助开发者在应用程序、游戏和网站中快速集成高质量的 3D 生成功能。凭借其强大的 AI 技术，用户只需输入描述，便可生成逼真的 3D 模型，极大地简化了 3D 设计过程。该平台易于使用，适合各种开发需求。
乌托邦
乌托邦是一个个性化角色创造平台，致力于打造新一代超拟人 AI 智能体。其主要优点包括更可控、拟人、安全。背景信息显示该产品注重用户参与创造，定位于提供高度个性化的角色模型。
DreamMat
DreamMat是一款能够根据文本提示为3D网格生成物理基础渲染(PBR)材质的创新模型。它通过解决现有2D扩散模型在材质分解上的不足，生成与给定几何体和光照环境一致且无内置阴影效果的高质量PBR材质。这一技术对于游戏和电影制作等下游任务具有重要意义，因为它能显著提升渲染质量并增强用户的视觉体验。
CSM 3D Viewer
CSM 3D Viewer是一个在线3D模型查看器，允许用户在网页上查看和交互3D模型。它支持多种3D文件格式，提供了旋转、缩放等基本操作，以及更高级的查看功能。CSM 3D Viewer适用于设计师、工程师和3D爱好者，帮助他们更直观地展示和分享3D作品。
StrokeNUWA
StrokeNUWA是一项开创性的工作，探索了在矢量图形上更好的视觉表示“划分标记”，其视觉语义丰富，与LLMs自然兼容，并具有高度压缩性。配备划分标记，StrokeNUWA在矢量图形生成任务的各种指标上显著超越传统的LLM-based和基于优化的方法。此外，StrokeNUWA在推理速度上实现了高达94倍的加速，与先前方法相比具有卓越的SVG代码压缩比达6.9%。
InternLM-XComposer2
InternLM-XComposer2是一款领先的视觉语言模型，擅长自由形式文本图像合成与理解。该模型不仅能够理解传统的视觉语言，还能熟练地从各种输入中构建交织的文本图像内容，如轮廓、详细的文本规范和参考图像，实现高度可定制的内容创作。InternLM-XComposer2提出了一种部分LoRA（PLoRA）方法，专门将额外的LoRA参数应用于图像标记，以保留预训练语言知识的完整性，实现精确的视觉理解和具有文学才能的文本构成之间的平衡。实验结果表明，基于InternLM2-7B的InternLM-XComposer2在生成高质量长文本多模态内容方面优越，以及在各种基准测试中其出色的视觉语言理解性能，不仅明显优于现有的多模态模型，还在某些评估中与甚至超过GPT-4V和Gemini Pro。这凸显了它在多模态理解领域的卓越能力。InternLM-XComposer2系列模型具有7B参数，可在https://github.com/InternLM/InternLM-XComposer 上公开获取。
Stable Zero123
Stable Zero123是一种用于视图条件图像生成的内部训练模型。与之前的尖端技术Zero123-XL相比，Stable Zero123产生了显着改进的结果。它通过三项关键创新实现了这一目标：1. 从Objaverse中大幅过滤的改进训练数据集，仅保留高质量的3D对象，并且比以前的方法更加真实地渲染。2. 在训练和推断过程中，我们为模型提供了估计的摄像机角度。这种高程条件使其能够做出更明智、更高质量的预测。3. 预先计算的数据集（预先计算的潜变量）和支持更高批处理量的改进数据加载器，再加上第一项创新，使得训练效率比Zero123-XL提高了40倍。该模型现在已经在Hugging Face上发布，以便研究人员和非商业用户下载和进行实验。
ZipLoRA
ZipLoRA是一种有效合并独立训练的风格和主题LoRAs的方法，以实现在任何用户提供的主题和风格下生成内容。通过优化的方法，ZipLoRA能够保留原始LoRAs的内容和风格生成特性，同时能够重新上下文化参考对象，并具有控制风格程度的能力。该方法在主题和风格的保真度上取得了显著的改进。
Story-to-Motion
Story-to-Motion是一个全新的任务，它接受一个故事（顶部绿色区域）并生成与文本描述相符的动作和轨迹。该系统利用现代大型语言模型作为文本驱动的运动调度器，从长文本中提取一系列（文本、位置）对。它还开发了一个文本驱动的运动检索方案，结合了经典运动匹配和运动语义以及轨迹约束。此外，它设计了一个渐进式掩蔽变换器，以解决过渡动作中常见的问题，如不自然的姿势和滑步。该系统在轨迹跟随、时间动作组合和动作混合等三个不同子任务的评估中表现优异，胜过以往的动作合成方法。
Genera.so
Genera.so是一个为创意生成图像应用提供支持的平台。我们建立Genera，帮助模型制作者将他们的模型转化为在线应用，无需管理GPU的麻烦。如果您拥有经过精调的稳定扩散模型，请与我们联系，我们目前处于测试阶段，正在寻找更多的模型。