騰訊最近正式發布業界首個美術級 3D 生成 AI 模型「Hunyuan3D-PolyGen」，結合自主研發的高壓縮率 BPT 技術，可生成面數達上萬面的複雜幾何模型。該技術已整合至騰訊多個遊戲管線，協助美術師建模效率提升超過 70%，標誌著 AI 生成 3D 模型從「可看」邁向「可用」的重要突破。
🚀Introducing Hunyuan3D-PolyGen, our newly upgraded and industry-first art-grade 3D generative model. It brings effortless intelligent retopology, making AI-generated models ready for professional art pipelines.
✅ Superior Mesh Topology: Our self-developed mesh autoregressive… pic.twitter.com/Lwy0dfGZkx
— Hunyuan (@TencentHunyuan) July 7, 2025
Hunyuan3D-PolyGen 採用自回歸網格生成框架，透過顯式、離散的頂點與面片建模進行空間推理，生成高品質且符合美術規範的 3D 模型。核心框架包含三個步驟：網格序列化將頂點和面片轉化為 Token 序列表示 Mesh 結構；自回歸建模以點雲作為輸入提示，利用自回歸模型生成 Mesh 的 Token 序列；序列解碼將生成的 Token 序列反向解碼為頂點與面片，重建 3D 網格。
現有的 mesh 自回歸方法表達一個面通常需要 9 個 token，mesh 表達冗餘程度高，在有限的上下文窗口下僅可對低面片（2000 面以下）的簡單模型進行建模。為提升可建模面數，實現複雜 mesh 建模，騰訊團隊自主研發高壓縮率 mesh 表徵 BPT（Blocked and Patchified Tokenization）技術。
BPT 技術設計包含兩個核心創新：block 索引將網格空間分成多個 block，頂點表徵由（x,y,z）空間座標轉化為（block, offset）索引座標，token 數量可降低 33%；patch 壓縮將相鄰面片組成 patch（一個中心頂點和邊緣頂點），減少相鄰面片間共用頂點的冗餘，結合共享 block 等技巧，token 數量可進一步降低約 41%。
利用 BPT 壓縮演算法，表徵 mesh 的 token 數量可壓縮 74%，即平均用 2.3 個 token 即可表徵一個面，極大提升模型的可建模面數。對比現有 mesh 自回歸方法，可建模的模型更加複雜（可達 20,000 面以上），細節更加豐富。
騰訊研發 mesh 自回歸的強化學習後訓練框架，在預訓練模型基礎上進行後訓練，設計穩定生成和美術規範獎勵來引導模型生成更佳結果。透過強化學習可提升模型生成「好結果」的機率，降低生成「差結果」的機率，從而提升模型生成的穩定性。
該模型同時支援三角面和四角面網格輸出，滿足不同專業管線需求，布線精度更高，細節更豐富。這種靈活性讓 AI 生成的 3D 資產能夠無縫應用於遊戲開發等專業領域。
目前 3D 生成演算法在幾何建模方面雖有顯著進展，但生成結果與美術製作的專業標準仍有明顯差距，難以直接應用於遊戲開發等專業管線。Hunyuan3D-PolyGen 主要為解決 3D 資產生成中布線品質和複雜物體建模的難題，提升美術師建模效率。
該技術及能力已推出至騰訊混元 3D AI 創作引擎，並整合到騰訊多個遊戲管線。使用者可在 Hunyuan 3D 官方網站透過「Laboratory」（實驗功能）體驗該技術，每日可免費使用 20 次，但生成模型不可商用。
來源：騰訊
