Hyper3D WorldGen：由一張相變成可編輯嘅 3D 場景

Hyper3D WorldGen 想解決嘅，唔只係「由相生 3D 模型」，而係由一張 RGB 場景圖，砌出一個可以繼續執、繼續用嘅 3D 環境。

一般由圖片重建出嚟嘅 3D 場景，可能睇落好似真，但枱、櫈、牆同擺設往往黐埋變成一個模型；想單獨拎走張櫈、換件道具，隨時要重新整過。WorldGen 嘅主張係將場景變成多個彼此獨立、可編輯同可互動嘅資產，再保留它們之間嘅空間關係。其技術基礎 CAST，全名係「Component-Aligned 3D Scene Reconstruction from an RGB Image」，曾獲 SIGGRAPH 2025 Best Paper Award。 2 11

由平面圖片，重建成有結構嘅場景

用戶可以畀 WorldGen 自動辨認圖片入面嘅主要物件，亦可以手動框選想處理嘅範圍。系統之後會生成對應嘅 3D 資產，並放入同一個場景。 1 4

真正困難嘅部分，係單靠一個角度去補足三維關係。CAST 嘗試處理嘅正正係呢一步：就算有物件被遮住，都推斷其可能嘅立體結構；同時判斷物件係接觸、承托，抑或懸掛，然後放進一個共用嘅 3D 座標系統。 4 11

例如一間房入面嘅枱、櫈、牆同小擺設，唔只係畫面上幾塊像素，而係有前後、高低同實際互動關係。保留到呢啲關係，先至令場景有後續編輯價值。

重點唔係生成一個殼，而係拆成獨立資產

WorldGen 所描述嘅輸出，係一組獨立資產，而唔係一個融合咗嘅場景模型。理論上，用戶可以選取一件傢俬或道具，再移動、替換、動畫化，或者加上互動功能，而唔使連成個場景一齊重建。 2 4

Hyper3D 將呢類物件定位為 Rodin mesh 資產。對美術同開發團隊而言，吸引力在於可將生成結果當成初稿：之後仍可喺慣用工具內改材質、做動畫、砌關卡、處理互動同效能優化，而唔需要接受一個「出咗就定型」嘅結果。 2

前景用網格，背景用 Gaussian Splatting

據報 WorldGen 會為前景或可互動物件使用可編輯網格（mesh），背景環境則使用 3D Gaussian Splatting。 2

呢個分工幾合理：要揀選、搬位、做動畫或者放入物理模擬嘅物件，網格會較合適；至於背景，Gaussian Splatting 可以保留密集嘅視覺資訊同沉浸感，但唔代表每一部分都有同等級嘅物件級編輯能力。

「SimReady」唔等於物理量測

Hyper3D 指 WorldGen 可估算比例、質量、摩擦力同碰撞相關屬性，令由相片生成嘅場景成為機械人或具身智能模擬嘅起步環境。 2

不過，呢啲都係由單張圖片推斷出嚟嘅數值，唔係量測級結果。一張 RGB 圖無法唯一確定物件真實尺寸、材料摩擦係數、內部結構或者質量；對物理準確度要求高嘅模擬任務，團隊應該將它們視為可修改嘅初始估算，並自行驗證。

可接去既有製作流程

Hyper3D 表示，WorldGen 資產可匯入 Blender、Unity、PlayCanvas、Unreal Engine 同團結引擎（Tuanjie Engine），再進行材質編輯、動畫綁定、關卡設計同優化。 2

影視方面，較實際嘅用法係先用生成嘅 3D 場景鎖定鏡頭、物件同佈局關係，再將渲染結果或鏡頭參考交畀影片生成工具。Hyper3D 指後段影片生成可在較穩定嘅空間骨架之上，加入表演、材質、燈光同風格處理，目標係改善多鏡頭之間嘅空間連貫性。 2

對遊戲同 XR 而言，真正關鍵可能唔係第一眼有幾靚，而係資產可唔可以重排、優化，同互動系統接得上。至於模擬用途，價值就在於較快將參考圖片變成一個已有初步空間與物理結構嘅環境。

WorldGen 唔等於會思考嘅「世界模型」

雖然叫 WorldGen，佢唔應同可作決策嘅通用世界模型混為一談。現有資料所支持嘅能力，係場景層級嘅重建與生成：組織資產、幾何形狀、空間位置同物理關係，形成可互動嘅 3D 環境。 2 4

呢點同一套可以可靠理解因果、預測長期變化、並為代理規劃行動嘅系統，係兩回事。WorldGen 主打嘅係面向製作流程嘅場景結構，唔係通用具身推理。

現階段限制：剛體場景先係主場

現有描述主要支持剛體物件嘅場景生成，未足以證明已完整支援可關節活動嘅人物或物件、軟體、布料及流體模擬。CAST 相關介紹亦提到，布料、玻璃、燈光同背景建模等，仍然係較具挑戰嘅部分。 11

至於速度，報道提到數秒可出預覽、數分鐘可完成場景，並以重要性分配方式先確立大局佈局，再細化關鍵資產。呢啲屬公司或媒體描述，唔係獨立嘅實際製作基準測試。 5

點解值得留意？

WorldGen 反映生成式 3D 正由「整一件獨立模型」或者「整個睇得但唔好改嘅視覺外殼」，慢慢走向可接入現有數碼內容製作與模擬流程嘅場景資產。

佢最重要嘅概念，唔係宣稱一張相可以百分百還原所有被遮擋細節；而係利用 AI 將圖片轉換成可繼續修改嘅場景結構——包括資產、物件關係，同大致嘅模擬屬性。 2 4

如果團隊考慮採用，最直接嘅驗證方法係：將具代表性嘅場景匯入目標 DCC 軟件或遊戲引擎，檢查資產分離程度與空間一致性，再量度為符合遊戲、影視、XR 或模擬需求，究竟仲要幾多手動執修。到頭來，價值唔係只睇「一圖變 3D」有幾快，而係後續到底有幾好改、幾好用。