3D生成AI创造的“次世代创作”── SIGGRAPH 2025前沿报告

1. 序章──“画像→3D”的壁垒在2025年被突破

在文本和图像生成领域备受关注的生成AI（GenAI），从2024年开始正式渗透到3D领域。随着OpenAI的Shap-E和NVIDIA的Instant N-eRF的出现，“输入提示→数秒内生成3D网格”成为常态，制作流程的初期方案发生了巨大变化。到2025年，目前的单一对象生成已加速进化为“场景重构”、“动画生成”、“具有物理特性的服装生成”。github.comgaragefarm.net

2. SIGGRAPH 2025展示的三大突破

2-1 CAST：从一张照片到“可触摸的3D空间”

CAST（Component-Aligned Scene Reconstruction）能够从一张RGB图像中，推测隐藏面和深度，同时保持物体间的接触和重力关系，生成3D场景。研究团队

• 物体识别：通过大型视觉Transformer同时检测数百个类别

• 相机姿态估计：通过场景优化校正透视畸变

• 几何一致性损失：使用NeRF衍生模型补全“不可见的背面”
  
  预计将应用于家具VR化、机器人模拟、电影预可视化等领域。digitalmedianet.com

2Anim：从分镜到3D动作

在电影和动画行业中广泛使用的分镜制作依然具有很强的模拟元素。Sketch2Anim通过扩散模型解析姿势序列和速度线，自动生成行走、跳跃等动作。可以以FBX格式立即导入Unity/Unreal，实现拍摄前的预可视化和虚拟形象发布会的即时预览。digitalmedianet.com

2-3 Dress-1-to-3：一张照片生成“带缝制图案”的服装

现有的虚拟试穿存在静态网格导致布料摆动不自然的问题。Dress-1-to-3通过扩散模型和物理优化（C-IPC）推测**布料参数（杨氏模量、弯曲刚度）**，实现与游戏用实时模拟一致的行为。预计将降低电子商务的退货率。digitalmedianet.com

3. 技术背景──扩散模型与NeRF的融合

扩散模型通过逆转噪声去除过程实现高质量生成，但在3D中多视点一致性是一个挑战。CAST引入视点一致性损失，Sketch2Anim引入时间轴一致性损失，Dress-1-to-3引入物理损失，以克服一致性问题。此外，NeRF系方法通过可微分渲染器实现图像→3D→渲染的一贯学习，将计算成本减少数十倍。garagefarm.net

4. 产业应用的扩展

5. 对日本企业的影响

• CG・动画：与赛璐珞文化融合，半自动化布局流程
  
  

• 服装：ZOZO・优衣库通过虚拟试穿提升国内外销售
  
  

• 制造：丰田・三菱重工快速构建数字孪生，提高生产线变更效率
  国内人才短缺是瓶颈，但通过生成AI可以实现从“操作员→监督员”型的工作方式转变。

6. 课题──著作权・伦理・环境负荷

1. 著作权：现有3D资产混入导致的权利侵害风险
   
   

2. 伦理：假冒产品或伪装试穿的滥用
   
   

3. 环境负荷：大量GPU训练导致的CO₂排放
   需要法律整备和企业治理的双轮驱动。

7. 导入步骤和推荐工具

1. PoC：使用Shap-E或LumaAI进行小规模验证
   
   

2. 工作流整合：在Blender / Houdini中添加扩散插件
   
   

3. CI/CD化：使用Git＋云GPU自动执行生成脚本
   
   

4. 制定指南：制定AI使用条款和质量检查流程
   日语UI的低代码工具也在增加，非工程师也能轻松尝试。

8. 未来展望──“世界模型”的发展

未来3D生成AI将内含物理、常识和任务计划，进化为World Model，成为机器人控制和XR学习环境的核心。有预测称，结合语言LLM和世界模型的“多模态AGI”将在2027年左右投入实用。businessinsider.com

9. 总结

3D生成AI将传统的3DCG制作概念从“从零开始创造”转变为“传达意图并生成”。CAST、Sketch2Anim、Dress-1-to-3的出现将“人人皆可3D”推向实用水平，并直接关系到日本企业竞争力的提升。现在正是小试牛刀、大展宏图的好时机。

参考文章列表

• Digital Media Net「3D生成AI如何改变我们创建、设计和与数字内容互动的方式」digitalmedianet.com

• GarageFarm「3D建模中的生成AI：变革创造力和工作流程」garagefarm.net

• OpenAI GitHub「Shap-E: 生成条件3D隐式函数」github.com

• Business Insider「顶级AI研究人员称语言限制… 世界模型」businessinsider.com