NTU S-Lab 团队探索可动 3D 新方向：结构、关节、纹理一次到位

在生成式 AI 全面进入三维空间的当下，如何让机器不仅“看到”物体，还能理解其结构、关节和运动方式，正在成为全球研究机构与产业界共同关注的焦点。 从虚拟内容制作到机器人操作，从数字孪生到工业仿真，可动三维的自动化生成正在被视为未来交互式数字世界的重要基础能力。然而，现有方法仍普遍受限于对完整三维扫描的依赖、对结构与纹理分离建模造成的不一致性，以及难以处理运动带来可见性变化等难题。 在这一背景下，南洋理工大学 S-Lab 团队近期发布的一项研究提供了新的解决路径。他们提出的统一建模框架能够从单张图像生成具备真实几何结构、准确关节参数和自然外观纹理的可动三维对象，在几何精度、外观一致性与运动合理性上均取得显著提升。 这项工作不仅展示了结构化潜空间、扩散式 3D 生成与关节感知纹理建模的协同潜力，也为进一步提升 AI 对物体功能性与交互属性的理解奠定了基础。 值得一提的是，该论文作者之一的潘新钢曾作为 2023 年 GAIR 全球人工智能与机器人大会的受邀嘉宾，与众多来自国际顶级院校与企业的研究者共同探讨三维视觉、机器人操作和生成式模型的前沿方向。 雷峰网 GAIR 对三维生成、机器人智能与新型视觉系统长期保持关注，而即将在 2025 年 12 月 12 — 13 日于深圳·博林天瑞喜来登酒店举办的 GAIR 大会，也将继续聚焦这些技术的产业化趋势，与一众来自研究机构、科技企业与应用行业的专家共同关注空间智能与新型生成模型等新兴技术在未来交互式场景中的落地路径与发展方向。 论文地址：https://arxiv.org/pdf/2510.21432 整体的性能跃升 S-Lab 团队这篇论文中的实验结果显示，他们研发的模型在多个关键维度上都有明显提升，无论是几何结构的完整度、关节运动的稳定性，还是外观呈现的真实度与跨数据集的泛化能力，都展现出优于现有方法的综合表现。 首先，在几何结构生