一張圖生成3D夢中情房，桌椅擺件隨心換，又一世界生成模型來了

作者 | 楊京麗 編輯 | 李水青 9月1日報道，今天，上海3D生成大模型公司影眸科技發佈世界生成模型Hyper3D WorldGen，推動3D生成從“單個資產”走向“完整場景”。用戶上傳一張場景圖片後，模型可以自動識別畫面中的主要物體，並生成對應的3D資產，也支持手動框選目標生成，並通過影眸Hyper3D團隊自研的CAST架構，重建物體之間的空間與物理關係，最終生成由多個獨立、可編輯、可替換、可交互資產組成的3D場景。CAST為“基於單張RGB圖像的組件對齊式3D場景重建”，是影眸Hyper3D團隊在2025年發佈的場景級生成研究成果。

其核心是從單張圖片中補全被遮擋物體的三維結構，判斷物體之間的接觸、支撐、懸掛等關係，並將多個獨立物體放入統一、物理合理的三維空間。該研究曾獲SIGGRAPH 2025最佳論文。值得注意的是，WorldGen的生成能力已經進入具身智能仿真訓練、影視製作、遊戲開發與XR等真實生產場景，推動場景級3D生成從視覺展示走向產業工作流。模型發佈前，等媒體採訪了影眸科技創始人、CEO吳迪和聯合創始人、CTO張啟煊，圍繞WorldGen的技術路線、應用進展及3D生成行業趨勢等問題進行了交流。

一、一張圖片生成場景，場景內資產可交互 媒體交流會上，張啟煊演示了WorldGen的生成過程：上傳一張辦公室盥洗室的圖片後，系統能夠自動識別水龍頭、盤子、水果等主要物體，約2-3秒生成單個物體的3D預覽，並在約2-3分鐘內還原出完整場景。這些物體都是可以被選擇、移動和替換的獨立資產。開啟SimReady功能後，系統可以為資產估計出物體質量、大小和摩擦係數等物理屬性，水果能夠在力的作用下滾入水池中。此外，用戶還可以根據物體的重要程度選擇不同的生成精度，先快速確定場景結構，再對重點資產進行精修。

吳迪舉例稱，如果用生成模型直接將會議室的圖片轉化為一個3D場景，畫面中的桌椅、牆壁和其他物體通常會被合併在一起，難以單獨選擇和編輯。WorldGen在生成過程中能夠拆分場景中的主要物體，分別生成獨立資產，同時還原它們之間的空間與物理關係。為了兼顧場景可用性與視覺完整性，WorldGen採用混合表達方式：需要編輯和交互的物體使用具備完整幾何結構的網格模型（Mesh），方便後續調整和添加物理屬性；背景則採用側重還原場景外觀的3D高斯潑濺（3D Gaussian Splatting），保留更多環境細節。

二、覆蓋四類應用場景，具身智能、影視領域率先推進 張啟煊向介紹，WorldGen並非針對某個單一行業開發的模型，其應用場景覆蓋具身智能、遊戲、影視製作和XR等領域。目前，WorldGen已經在不同方向上推進落地應用。在具身智能領域，影眸Hyper3D已與地瓜機器人、謀先飛展開合作，推出仿真訓練方案：WorldGen負責生成可用於仿真的3D場景，謀先飛則進行仿真適配，地瓜機器人提供算力與開發工具鏈。張啟煊稱：“生成式3D可以快速擴充物體種類和場景佈局，但不會完全替代真實數據，機器人訓練未來更可能混合使用仿真與真實數據。

” 在影視領域，WorldGen能夠解決視頻模型在多鏡頭中難以保持空間和物體位置一致的問題。創作者可以先生成空間結構明確的3D場景，在其中調整鏡頭、移動物體和修改佈局，再交給Seedance 2.5等視頻模型補充人物表現、材質、光影和畫面風格。在遊戲和專業3D製作領域，WorldGen生成的獨立網格資產可以進入Blender、Unity、PlayCanvas和Unreal Engine等數字內容創作（DCC）工具及實時引擎，繼續進行材質調整、動畫綁定、關卡編輯和性能優化。今年7月，影眸Hyper3D還與Unity中國宣佈合作，嘗試打通從3D生成到實時遊戲應用的流程。

在XR領域，WorldGen可以將參考圖片還原為可編輯的三維空間，用戶能夠從不同視角觀察場景，並調整物體和空間佈局，可用於室內設計、空間展示和沉浸式體驗。張啟煊告訴，WorldGen在上述行業的應用目前主要處於內測或技術驗證階段，團隊將根據實際客戶需求確定後續投入重點。三、以剛體生成為主，向“構建世界”繼續演進 在採訪交流環節，針對WorldGen技術邊界的提問，張啟煊稱，系統生成的質量、摩擦係數等物理屬性並非對真實物體的精確測量，主要結合資產體積、視覺信息、周圍物體關係、傳統估計算法以及視覺語言模型，對質量分佈、摩擦係數和碰撞體進行推斷。因而，這些結果不能作為精密工程數據使用。

現階段，WorldGen主要支持剛體生成，尚未覆蓋關節化資產、柔體和流體等。關於WorldGen與“世界模型”的關係，吳迪稱，世界模型既包括面向決策和行動的行動模型（Action Model），也包括生成可交互、可訓練環境的模型，WorldGen更接近後者。影眸Hyper3D不會因此將自身定義為世界模型公司，其核心定位仍是3D生成。吳迪認為，視頻模型擅長最終畫面呈現，3D則能夠明確保存物體、空間結構和物理關係，兩條路線並非相互取代，未來更可能以混合方式結合。從單個資產走向完整場景，WorldGen讓生成結果具備更強的可控性、可編輯性和工作流兼容能力。

隨著3D生成從“看起來好看”走向“真正可用”，場景級生成也正在成為連接遊戲、影視、具身智能和XR等行業的新基礎能力。結語：3D生成競爭轉向場景可用性 WorldGen的3D生成能力，並不只是侷限於生成單個資產或是一個3D空間，它能夠構建多個獨立資產、理解空間關係與物理屬性，形成可繼續編輯、交互和運行的完整場景。3D生成的競爭重點正在從單個模型的視覺質量，進一步轉向場景的可控性、物理合理性和工作流兼容能力。現階段，WorldGen仍以剛體生成為主，部分物理屬性也依賴模型推斷，在具身智能、遊戲、影視和XR等領域仍處於驗證與早期落地階段。

其後續價值能否真正釋放，還要看生成結果能否穩定進入專業生產流程，但從“生成資產”走向“構建場景”，已經成為3D生成領域可行性較高的方案。