HY3D-Bench: 3D 자산 생성

HY3D-Bench: Generation of 3D Assets

최근 신경망 표현 및 생성 모델의 발전은 3D 콘텐츠 제작 분야에 혁신을 가져왔지만, 여전히 상당한 데이터 처리 병목 현상으로 인해 제약이 존재합니다. 이러한 문제를 해결하기 위해, 우리는 3D 생성에 대한 통일되고 고품질의 기반을 구축하도록 설계된 오픈 소스 생태계인 HY3D-Bench를 소개합니다. 우리의 주요 기여는 세 가지입니다. (1) 우리는 대규모 저장소에서 추출한 250,000개의 고품질 3D 객체 라이브러리를 구축했으며, 훈련에 바로 사용할 수 있는 아티팩트(watertight 메시 및 멀티뷰 렌더링 포함)를 제공하기 위해 엄격한 파이프라인을 사용했습니다. (2) 우리는 구조화된 부분 수준 분해 방식을 도입하여, 미세한 수준의 인식과 제어 가능한 편집에 필요한 세분성을 제공합니다. (3) 우리는 확장 가능한 AIGC 합성 파이프라인을 통해 실제 데이터 분포의 격차를 해소하고, 롱테일 범주에서의 다양성을 향상시키기 위해 125,000개의 합성 자산을 제공합니다. Hunyuan3D-2.1-Small 모델 훈련을 통해 실증적으로 검증된 HY3D-Bench는 강력한 데이터 리소스에 대한 접근성을 높여 3D 인식, 로봇 공학 및 디지털 콘텐츠 제작 분야의 혁신을 촉진하는 것을 목표로 합니다.

While recent advances in neural representations and generative models have revolutionized 3D content creation, the field remains constrained by significant data processing bottlenecks. To address this, we introduce HY3D-Bench, an open-source ecosystem designed to establish a unified, high-quality foundation for 3D generation. Our contributions are threefold: (1) We curate a library of 250k high-fidelity 3D objects distilled from large-scale repositories, employing a rigorous pipeline to deliver training-ready artifacts, including watertight meshes and multi-view renderings; (2) We introduce structured part-level decomposition, providing the granularity essential for fine-grained perception and controllable editing; and (3) We bridge real-world distribution gaps via a scalable AIGC synthesis pipeline, contributing 125k synthetic assets to enhance diversity in long-tail categories. Validated empirically through the training of Hunyuan3D-2.1-Small, HY3D-Bench democratizes access to robust data resources, aiming to catalyze innovation across 3D perception, robotics, and digital content creation.