3D领域DeepSeek「源神」启动！国产明星创业公司，一口气开源八大项目

AIGC动态3周前发布 almosthuman2014

333 0 0

文章摘要

2025年初，DeepSeek-R1的成功在全球范围内掀起了一股开源风潮，特别是在上个月的开源周中，多项核心技术被开放给全球开发者，震撼了整个行业。开源正成为国内外大模型厂商的战略共识，推动着大模型技术的快速迭代。在这一波生成式AI浪潮中，许多公司如MiniMax、月之暗面等，从应用层回归模型层，聚焦底层架构创新，而非仅依赖上层应用变现。这一趋势表明，模型本身的能力突破正成为行业竞争的核心。

在3D生成领域，VAST公司以开源先锋的姿态重新划定了行业标准。3月28日，VAST开源了两个3D生成项目——TripoSG和TripoSF。TripoSG是一款基础3D生成模型，在图像到3D生成任务上远超所有闭源模型，而TripoSF则是VAST新一代三维基础模型的基础组件，用于高分辨率的三维重建和生成任务。VAST宣布，TripoSG的权重、推理代码和交互式演示Demo将通过GitHub和Hugging Face提供给AI社区。此外，TripoSF VAE的预训练模型及相关的推理代码也同步开源。

VAST的开源计划不仅限于此，从3月28日到4月18日，他们还将开源一系列3D生成项目，涵盖了三维部件补全模型、通用三维模型绑定生成模型、三维几何精细化模型以及SIGGRAPH Asia 2024 RTL收录的交互式草图生三维模型。再加上此前开源的单张图像生成3D场景模型MIDI以及多视角图像生成模型MV-Adapter，VAST即将展示一套从基础到细节的完整3D AI生成体系。

TripoSG的技术亮点在于其率先将基于校正流（Rectified Flow, RF）的Transformer架构应用于3D形状生成。相较于传统的扩散模型，RF提供了从噪声到数据之间更简洁的线性路径建模，有助于实现更稳定、高效的训练。TripoSG的模型架构融合了包括跳跃连接在内的关键增强设计，以改善跨层特征融合。独立的交叉注意力机制能够高效地注入全局（CLIP）和局部（DINOv2）图像特征，确保输入图像与输出3D形状之间的精准对齐。为了高效扩展模型规模，VAST在Transformer模块中集成了混合专家模型层，显著提升了模型容量。

在3D生成领域，高分辨率、任意拓扑的三维重建是一大难题。VAST推出的新一代三维基础模型TripoSF，其核心是引入一种全新的表示方法——SparseFlex，实现了基于渲染监督的高分辨率（最高可达1024³）、任意拓扑结构的可微分网格重建。SparseFlex相较于以往方法，内存占用大大降低，原生支持任意拓扑，并得益于其可微分属性，可以使用渲染损失进行端到端训练。VAST开发了一种「视锥体感知的分区体素训练」策略，进一步降低训练所需的内存和算力，使得1024³分辨率的训练成为可能。

VAST表示，TripoSF VAE为完整的3D生成系统提供了核心的编解码能力，并基于VAE隐空间构建了Rectified Flow Transformer生成模型，以高效生成高保真的三维模型。在与所有闭源模型的直接较量中，TripoSF的质量达到了SOTA，在多个标准基准测试中，实现了约82%的倒角距离降低和约88%的F-score提升，在精细细节、开放表面以及内部几何结构的捕捉上做到了行业领先。

VAST的开源计划为3D生成领域注入了新的活力，推动了技术的快速迭代和应用的广泛落地。可以预见，在VAST这一波开源之后，3D大模型或许很快达到实用化和商业化的程度，并催生出更多新场景的落地应用。