---
title: "Prometheus – 浙大联合蚂蚁等高校推出的3D感知潜在扩散模型"
url: "https://paooo.com/aigc-news/22908/"
author: "Prompt 语宙研究院"
published_at: "2026-06-09T03:16:37+08:00"
updated_at: "2026-06-09T03:16:37+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, stable diffusion, 大模型微调"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Prometheus – 浙大联合蚂蚁等高校推出的3D感知潜在扩散模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/22908/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-09

## AI 30 秒核心看点 (TL;DR)

- 几秒钟内完成文本到 3D 场景生成，兼顾高质量输出与良好泛化能力。
- 通过 RGB-D 潜在空间解耦外观与几何，提升保真度和几何质量。
- 两阶段训练 + 前馈生成 + CFG，引导多视图一致并保持文本对齐。

## Prometheus是什么

Prometheus是创新的3D感知潜在扩散模型，专门用于快速生成文本到3D场景的内容。能在几秒钟内完成对象和场景级别的3D生成，同时保持高质量的输出和良好的泛化能力。核心在于基于2D先验知识来驱动高效且可泛化的3D合成过程。通过将3D场景生成表述为多视图、前馈、像素对齐的3D高斯生成过程，在潜在扩散范式内进行操作，Prometheus能有效地从文本描述中生成具有丰富细节和准确几何结构的3D场景。基于预训练的文本到图像生成模型进行微调，引入RGB-D潜在空间来解耦外观和几何信息，提升生成的保真度和几何质量。

## Prometheus的主要功能

- **高效的3D生成**：能在几秒钟内生成复杂的3D场景，包括对象和整个场景级别，提高3D内容创作的效率。

- **高质量输出**：生成的3D场景在视觉保真度和几何质量上表现出色，能准确地反映文本描述中的细节和背景信息。

- **良好的泛化能力**：通过在大规模单视图和多视图数据集上进行训练，Prometheus能泛化到各种不同的3D对象和场景，具有与Stable Diffusion相当的泛化能力。

- **多视图一致性**：生成的3D场景在多视图下保持一致性，在大旋转或极端视角下也能保持稳定的视觉效果。

- **文本到3D的对齐**：生成的3D场景能准确地与输入的文本提示对齐，确保生成的内容符合用户的描述和期望。

## Prometheus的技术原理

- **两阶段训练框架**

**第一阶段：3D高斯变分自编码器（GS-VAE）**使用预训练的图像编码器（如Stable Diffusion的编码器）将RGB图像和预测的单目深度图编码到潜在空间。通过多视图Transformer整合跨视图信息，并注入相机姿态信息。将融合后的隐空间变量解码为像素对齐的3D高斯场景。像素对齐的3D高斯场景，作为场景级别的表示。

- **第二阶段：多视图潜在扩散模型（MV-LDM）**通过去噪扩散过程，联合预测多视图RGB-D潜在空间代码，条件为相机姿态和文本提示。从随机采样的高斯噪声开始，通过迭代去噪过程恢复多视图隐空间编码。多视图RGB-D潜在空间代码，用于生成最终的3D场景。

- **RGB-D潜在空间的引入：**Prometheus引入RGB-D潜在空间，将外观（RGB）和几何信息（D）解耦，提升生成的保真度和几何质量。模型能更高效地生成3D高斯，同时保持高质量的视觉效果。

- **前馈生成策略：**Prometheus采用前馈生成策略，相比传统的优化方法，减少了生成时间，提高了生成效率。通过从潜在空间中采样多视图RGB-D潜在空间代码，使用GS-VAE解码器解码为3D高斯场景，实现了快速且高质量的3D场景生成。

- **无分类器引导（CFG）：**为了确保生成的3D场景与文本提示对齐，Prometheus使用无分类器引导（CFG）来引导多视图生成过程。通过调整引导强度，平衡多视图一致性和保真度，避免生成结果中的多视图不一致问题。

- **大规模数据集训练：**Prometheus在大规模单视图和多视图数据集上进行训练，确保模型具有良好的泛化能力。数据集包括多种场景类型，如对象中心、室内、室外和驾驶场景，文本提示由多模态大语言模型生成。

- **损失函数：**在训练过程中，Prometheus使用多种损失函数，包括均方误差（MSE）损失、感知损失和尺度不变深度损失，确保生成的3D场景在视觉和几何上与输入图像和深度图对齐。

## Prometheus的项目地址

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

- **arXiv技术论文**：[https://arxiv.org/pdf/2412.21117](https://arxiv.org/pdf/2412.21117)

## Prometheus的应用场景

- **内容创作**：快速生成逼真的3D场景和对象，用于VR和AR应用中的虚拟环境构建。例如，创建虚拟展览、虚拟旅游、虚拟教育场景等。

- **实时交互**：在VR和AR应用中，用户可以通过文本输入实时生成和修改3D场景，增强交互体验。

- **场景设计**：快速生成游戏中的各种场景，如城市、森林、沙漠等，提高游戏开发效率。开发者可以通过简单的文本描述生成复杂的3D环境，减少手动建模的时间和成本。

- **概念设计**：建筑师和室内设计师可以使用Prometheus快速生成建筑和室内设计的3D模型，用于初步设计和客户展示。通过文本描述，快速生成不同风格和布局的3D场景，提高设计效率。

- **虚拟展示**：生成的3D场景可以用于虚拟展示，客户可以通过VR设备沉浸式地体验设计效果，提供更直观的反馈。

## 常见问题解答 (FAQ)

### Prometheus 适合做什么类型的3D生成？
它主要用于文本到3D场景生成，既能生成对象级3D内容，也能生成场景级3D环境。适合 VR/AR、游戏场景、建筑概念设计和虚拟展示等需要快速出图、快速验证想法的场景。

### Prometheus 为什么比传统3D生成更快？
它采用前馈生成策略，不依赖传统慢速优化流程，而是从潜在空间直接采样并解码为3D高斯场景，因此能在几秒钟内完成生成，显著提升效率。

### Prometheus 的核心技术亮点是什么？
核心亮点是两阶段训练框架、RGB-D 潜在空间和多视图潜在扩散模型。前者负责学习3D高斯表示，后者负责联合生成多视图潜在代码，从而兼顾几何质量、视觉保真度和多视图一致性。

---
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/)
