---
title: "PrimitiveAnything – 腾讯联合清华大学推出的新型3D形状生成框架"
url: "https://paooo.com/aigc-news/19017/"
author: "Prompt 语宙研究院"
published_at: "2026-06-09T12:12:22+08:00"
updated_at: "2026-06-07T20:04:04+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, AI智能体, HuggingFace, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# PrimitiveAnything – 腾讯联合清华大学推出的新型3D形状生成框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/19017/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-09

## AI 30 秒核心看点 (TL;DR)

- 腾讯联合清华提出PrimitiveAnything，用原语自回归生成3D形状，兼顾高质量与强泛化。
- 通过无歧义参数化、级联解码器和Transformer架构，提升训练稳定性与生成准确性。
- 适用于3D建模、游戏资产、UGC与VR/AR，支持文本或图像条件生成并便于编辑。

## PrimitiveAnything是什么

PrimitiveAnything是腾讯人工智能平台部（AIPD）和清华大学联合开发的新型3D形状生成框架。将复杂的3D形状分解为简单的基元元素，通过自回归方式生成这些基元，最终重新组装成完整的3D形状。框架的核心优势在于其高质量的生成效果、强大的泛化能力和高效性。

## PrimitiveAnything的主要功能

- **高质量3D原语组装生成**：能生成高质量的3D原语组装，这些组装在几何上忠实于原始模型，还符合人类对形状的直观理解。

- **多样化3D内容创作**：支持从文本或图像条件生成3D内容，为用户提供了灵活的创作方式。

- **高效存储和编辑**：由于使用了原语表示，生成的3D模型在存储上更加高效，同时易于编辑和调整。

- **自回归变换器架构**：通过自回归变换器逐帧生成3D原语，能够处理不同长度的原语序列，并且可以轻松扩展到新的原语类型。

- **无歧义的参数化方案**：通过消除参数化中的歧义，确保模型在训练和生成过程中保持稳定性和准确性。

- **几何保真度与语义一致性**：在生成过程中，PrimitiveAnything保持了高几何保真度，能生成符合人类认知的语义分解结果。

- **模块化设计**：框架的模块化设计支持无缝集成新的原语类型，无需修改架构，能适应不同的原语表示。

## PrimitiveAnything的技术原理

- **无歧义的参数化方案**

**统一表示**：使用多种类型的基元（如立方体、椭圆柱体和椭球体）在统一的参数化方案下共同表示3D形状，每种基元的类型、位置、旋转和缩放等属性都被编码并输入到模型中。

- **消除歧义**：为了解决参数化中固有的歧义性（例如，不同的参数组合可能产生相同的形状），研究团队开发了一套全面的规则，通过分析基元的对称性，选择旋转参数L1范数最小的一组作为唯一表示，确保了训练过程的稳定性和准确性。

- **自回归变换器架构**

**形状条件化**：框架采用基于解码器的Transformer架构，能根据形状特征生成可变长度的基元序列。首先通过点云编码器提取3D形状的特征表示，然后由自回归Transformer模型接收这些形状特征和之前生成的基元信息，预测下一个基元的特征。

- **级联解码器**：为了建模基元属性之间的依赖关系，框架使用级联解码器依次预测基元的类型、位置、旋转和缩放等属性。捕捉了基元属性之间的自然相关性，例如基元类型会影响其可能的位置、旋转和缩放参数，与人类组装逻辑相符。

- **自回归生成流程**

**序列生成**：将整个基元抽象过程重新构思为一个序列生成任务，模型以点云作为输入条件，然后自回归地生成基元序列，直到预测出结束标记为止。

- **训练目标**：在训练过程中，结合了交叉熵损失、Chamfer距离（用于重构准确性）和Gumbel-Softmax（用于可微采样），直到生成序列结束标记。能灵活且类人地分解复杂的3D形状。

## PrimitiveAnything的项目地址

- **项目官网**：[https://primitiveanything.github.io/](https://primitiveanything.github.io/?utm_source=ai-bot.cn)

- **Github仓库**：[https://github.com/PrimitiveAnything/PrimitiveAnything](https://github.com/PrimitiveAnything/PrimitiveAnything)

- **HuggingFace模型库**：[https://huggingface.co/hyz317/PrimitiveAnything](https://huggingface.co/hyz317/PrimitiveAnything)

- **arXiv技术论文**：[https://arxiv.org/pdf/2505.04622](https://arxiv.org/pdf/2505.04622)

## PrimitiveAnything的应用场景

- **3D建模与设计**：PrimitiveAnything能快速生成复杂的3D模型的“几何骨架”，设计师可以在此基础上专注于细节精修，提升了工作效率和设计速度。

- **游戏资产生成**：游戏设计师可以用PrimitiveAnything快速生成各种游戏场景和角色模型，提高开发效率。玩家也能通过简单的几何积木拼接方式创造新的角色或道具，由AI自动进行优化调整，无缝集成到物理引擎中。

- **用户生成内容（UGC）**：框架支持从文本或图像输入生成3D内容，用户可以轻松编辑生成结果，为游戏中的UGC提供了新的可能性。

- **虚拟现实（VR）和增强现实（AR）**：在虚拟现实和增强现实环境中，PrimitiveAnything可以快速生成逼真的3D对象，增强用户体验。

## 常见问题解答 (FAQ)

### PrimitiveAnything是什么？
PrimitiveAnything是腾讯AIPD与清华大学联合开发的新型3D形状生成框架。它把复杂3D模型拆成多个基元，再通过自回归方式逐步生成并重组，强调几何保真、语义一致和高效编辑。

### PrimitiveAnything支持哪些3D生成方式？
文中提到它支持从文本或图像条件生成3D内容，适合多样化创作需求。其核心是先生成原语序列，再组合成完整形状，因此既能做建模，也便于后续修改和调整。

### PrimitiveAnything适合哪些应用场景？
它适合3D建模与设计、游戏资产生成、用户生成内容（UGC）以及VR/AR场景。由于采用原语表示，模型更易存储和编辑，也更适合快速搭建可用的几何骨架。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
