标签
作者分享了使用 Opus 5.5 + Tripo + Blender + Unity 将《小王子》制作成可探索 3D 游戏的完整 AI 制作流程，并提供可复用的提示词，教程公开后全网获得近 300 万浏览，代码将于下周开源。
据报道，谷歌的 Gemini 4 Argon 利用多个能够自我评估的 AI 智能体，仅凭一条提示词，就在 Blender 中自主创建了一个照片级逼真的宝塔寺庙建筑群，全程无需人工干预。这一演示展示了多智能体端到端 3D 内容生成技术的进展。
AI现在可以完全通过代码，根据文本描述生成可运行的3D游戏对象。一项包含100个对象的基准测试发现，Astra最为可靠，而Opus 5.5生成的视觉效果更佳。
SpaceFlow 提出了一种免训练的局部可控 3D 生成流程，用户可通过几何基元为不同区域指定控制强度，并分别路由文本或图像提示来合成外观，从而在几何保真与生成自由度之间取得平衡。
该论文审查了文生3D评测中的配置脆弱性：在固定300个已生成场景的前提下改变渲染与字幕设置，结果发现配置方差常常超过生成器之间的方差，且基于视觉语言模型（VLM）的评测器即使在底层场景完全不变的情况下，也经常改变其评出的赢家。
Sorceress 3D Studio 提供了一站式AI流水线，将文本描述转换为游戏级3D动画，支持自动绑骨和多种动作生成，可直接导出到游戏引擎。
Block3D 通过使用块级扩散和置信度引导的校正来加速文本到3D生成，减少推理时间，同时保持几何保真度，实现了5.15倍的加速。
PixSDS 识别了潜空间分数蒸馏采样中由 VAE 引起的像素漂移，并提出了一种梯度修复方法，该方法解码潜空间 SDS 的前瞻步骤以指导像素空间优化，从而减少文本到 3D 生成中的伪影。
WorldClaw是一个智能体式由粗到细的框架，能够根据文本提示生成大规模、可探索的3D开放世界，利用规划智能体和地形条件组合来产生连贯的全局结构以及可编辑的实例级资产。
对最新发布的 Ling 3.0 flash 模型的评测，该模型可从单一文本提示生成3D世界。
CGGS是一个文本到3D的框架，通过使用一致性增强损失、布局装饰和基于熵的深度损失的几何细化等多阶段方法，提高了第一人称3D场景生成中的几何一致性和质量。
SimWorlds是一个多智能体框架，能够通过自然语言生成动态、可编辑的4D场景。它利用Blender特定的程序化知识以及规划-编码-审查工作流，性能优于先前基线。
Arbor通过使用约束网格（壳体、避让、接触区域）对潜在生成进行条件化，为3D资产生成引入了显式几何控制，在不牺牲物体质量的前提下提升了空间约束的遵从性。
Fable 5 发布，能够通过一句话生成游戏、城市或复刻经典，展示了文本到3D内容的强大能力。
本文识别并解决了文本到三维生成模型中的“潜在汇陷阱”问题，即模型对文本提示变得不敏感。我们提出了一个框架，将几何表示与语言敏感性解耦，从而实现对分布外形状的稳健文本驱动三维形状编辑。
HY-World 2.0 是一个多模态世界模型框架，通过全景生成、轨迹规划和场景组合等专用模块，从文本、图像和视频中生成高保真度的三维高斯泼溅场景，在开源方法中实现了最先进的性能。
微软提出统一的结构化潜在表示（SLAT），结合校正流 Transformer 实现高质量、多格式（辐射场、3D 高斯、网格）的 3D 资产生成，支持文本/图像条件及局部编辑，在 50 万个 3D 样本的数据集上训练的 20 亿参数模型显著超越现有方法。
OpenAI推出Point-E，一个通过结合文本到图像和图像到3D的扩散模型，能在单个GPU上在1-2分钟内从文本提示生成3D点云的系统。该方法相比现有方法实现了显著的速度提升，同时发布了预训练模型和代码。