挑戰(zhàn)閉源格局！騰訊混元3D 2.0開源發(fā)布，性能對標商業(yè)級模型

長期以來，3D世界建模領域存在兩大技術“孤島”：生成式模型擅長從文本、單圖創(chuàng)作天馬行空的3D場景，但幾何精度不足、視角一致性差；重建式模型能從多圖、視頻中還原真實3D結(jié)構(gòu)，卻缺乏生成想象力，難以處理稀疏輸入。騰訊此次HY-World 2.0的發(fā)布，首次將這兩大能力融合，構(gòu)建了從“稀疏輸入”到“可交互3D世界”的完整技術閉環(huán)。

據(jù)騰訊官方文檔，作為3D世界的“第一塊拼圖”，HY-Pano 2.0解決了傳統(tǒng)全景生成依賴相機參數(shù)、場景結(jié)構(gòu)破碎的行業(yè)痛點。通過Multi-Modal Diffusion Transformer（MMDiT）實現(xiàn)視角到全景的隱式轉(zhuǎn)換，無需任何相機元數(shù)據(jù)，就能從單張圖片或一段文本中生成結(jié)構(gòu)連貫、細節(jié)豐富的360°全景場景。

（技術報告地址：https://3d-models.hunyuan.tencent.com/world/world2_0/HY_World_2_0.pdf）

在文本到全景（T2P）任務中，CLIP-T指標達行業(yè)最高的0.258，Q-Align美學評分較競品提升12%；在圖像到全景（I2P）任務中，全指標排名第一，幾何一致性遠超CubeDiff、GenEx等模型。

有了高質(zhì)量的全景基礎，如何高效探索3D世界成為新的挑戰(zhàn)。HY-World 2.0設計了語義感知軌跡規(guī)劃模塊，通過全景點云、語義掩碼與導航網(wǎng)格的融合分析，自動生成多樣化軌跡模式，實現(xiàn)無碰撞、全覆蓋的相機路徑規(guī)劃。這一技術不僅確保了后續(xù)3D重建時無視角盲區(qū)，更讓AI能夠像人類一樣“聰明地”探索復雜場景——比如自動環(huán)繞建筑物拍攝細節(jié)，或沿著走廊漫游捕捉完整結(jié)構(gòu)。

在3D世界擴展階段，最大的技術瓶頸是“多視角一致性”——不同軌跡生成的視頻常常出現(xiàn)物體錯位、光影矛盾等問題。HY-World 2.0通過全局幾何記憶與空間立體記憶雙記憶機制，讓AI能夠“記住”整個3D場景的幾何結(jié)構(gòu)，從而生成視角連貫、細節(jié)一致的擴展場景。結(jié)合Distribution Matching Distillation蒸餾技術，生成速度提升4倍，在Tanks-and-Temples數(shù)據(jù)集上，點云F1-score達43.16，超越SEVA、Gen3C等模型30%以上。

作為全鏈路的核心，HY-World 2.0的通用3D重建模塊支持從多圖、視頻中恢復點云、深度圖、法向量等幾何信息。該模塊通過歸一化位置編碼解決了長期困擾行業(yè)的“分辨率泛化”問題，高分辨率下相機姿態(tài)AUC@30仍達86.89，較前代產(chǎn)品提升31%；通過深度-法線耦合監(jiān)督，深度估計AbsRel誤差降至0.162。在效率方面，支持序列并行、混合精度與全分片數(shù)據(jù)并行，單GPU可處理256視圖，4GPU下128視圖推理時間僅5.6秒，為大規(guī)模3D重建提供了可能。

性能逼近閉源商業(yè)產(chǎn)品

技術創(chuàng)新最終要靠數(shù)據(jù)說話，HY-World 2.0在多項核心指標上實現(xiàn)了對開源模型的全面超越，更在部分場景逼近閉源商業(yè)模型Marble。在相同全景輸入下，HY-World 2.0生成的3D場景與輸入一致性達94%，而Marble僅為88%，幾何誤差降低25%；在復雜場景如城市建筑、自然景觀中，HY-World 2.0的紋理、光影還原度更接近真實世界，細節(jié)表現(xiàn)力遠超競品。

端到端生成速度方面，HY-World 2.0僅需約12分鐘/場景（712秒），遠快于Marble的15分鐘/場景和開源競品平均30分鐘/場景的速度，效率提升50%以上。更值得關注的是，HY-World 2.0是全球首個開源的多模態(tài)3D世界模型，全部模型權(quán)重、代碼與技術細節(jié)已對外開放，這意味著開發(fā)者無需依賴昂貴的商業(yè)模型，就能快速構(gòu)建3D生成應用，極大降低了AGI空間智能的開發(fā)門檻。

開源開放的模式也讓HY-World 2.0具備了更強的生態(tài)活力，開發(fā)者可以基于該模型進行二次開發(fā)，推動3D生成技術在更多場景的應用。目前，已有多家游戲、機器人、數(shù)字孿生領域的企業(yè)與騰訊混元團隊展開合作，探索HY-World 2.0的商業(yè)化落地。

技術的價值最終要體現(xiàn)在應用場景中，HY-World 2.0還配套了WorldLens高性能3DGS渲染平臺，支持實時物理反饋和空間交互，為下游應用提供高效的渲染支持。

在游戲開發(fā)領域，HY-World 2.0支持實時可交互3D場景生成，內(nèi)置物理碰撞檢測與角色控制，可直接導入Unity/Unreal引擎，顯著縮短開發(fā)周期。一款開放世界游戲的場景建模，傳統(tǒng)方法需要數(shù)月時間，而使用HY-World 2.0，開發(fā)者只需輸入一段文本描述，就能在約12分鐘內(nèi)生成可交互的3D場景。

在機器人領域，HY-World 2.0通過重建真實環(huán)境生成高精度仿真場景，支持機器人路徑規(guī)劃與視覺導航訓練，提升機器人研發(fā)效率與仿真精度。目前，已有多家機器人企業(yè)基于HY-World 2.0構(gòu)建了仿真訓練平臺，優(yōu)化機器人導航算法開發(fā)流程。

在數(shù)字孿生領域，HY-World 2.0可快速生成工廠、園區(qū)、城市等場景的3D數(shù)字孿生模型，支持多視角漫游與設備狀態(tài)可視化，優(yōu)化運維流程。一個大型工廠的數(shù)字孿生建模，傳統(tǒng)方法需要投入大量人力物力，而使用HY-World 2.0，只需導入工廠的航拍視頻，就能在數(shù)小時內(nèi)生成高精度的3D數(shù)字孿生模型。（本文首發(fā)鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 秦聰慧）