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

- Link: https://paooo.com/aigc-news/19017/
- Published: 2026-06-09T12:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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。

阅读目录

 * [PrimitiveAnything是什么](https://paooo.com/aigc-news/19017/#primitiveanything%e6%98%af%e4%bb%80%e4%b9%88)
 * [PrimitiveAnything的主要功能](https://paooo.com/aigc-news/19017/#primitiveanything%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [PrimitiveAnything的技术原理](https://paooo.com/aigc-news/19017/#primitiveanything%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [PrimitiveAnything的项目地址](https://paooo.com/aigc-news/19017/#primitiveanything%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [PrimitiveAnything的应用场景](https://paooo.com/aigc-news/19017/#primitiveanything%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![PrimitiveAnything](https://paooo.com/wp-content/uploads/2026/06/PrimitiveAnything-
website-1.avif)

## 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。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

原语化生成最适合哪些3D任务？

最适合需要可编辑、可复用的资产生产，比如游戏道具、建筑部件和UGC 模型。因为原语结构
天然便于局部修改和语义控制，比一次性生成整网格更适合工业化流程。

如何防止拆解后几何失真？

要在分解阶段加入拓扑约束和重建损失，并对连接处做连续性约束。实践中还应保留原始网
格的关键特征点，避免原语拼接后出现缝隙、穿插或比例漂移。

🗳️ 读者观点微投票 · 您的实战立场是？

3D原语拆解建模，真能替代传统重建吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🔓 所属权威专题：开源大模型与端侧推理 →](https://paooo.com/topics/open-source-llm/)

 * [书生·物华2.0（3DTopia 2.0）- 上海AI实验室联合南洋理工推出三维物体生成大模型](https://paooo.com/aigc-news/26789/)
 * [腾讯Hunyuan3D-PolyGen震撼发布：首个美术级3D生成大模型，建模效率飙升70%+](https://paooo.com/aigc-news/14507/)
 * [Step1X-3D – 阶跃星辰联合LightIllusions开源的3D资产生成框架](https://paooo.com/aigc-news/18972/)
 * [PartGen – 牛津大学联合 Meta AI 推出的3D对象生成和重建框架](https://paooo.com/aigc-news/24538/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/19017/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
