ROAD 通过迁移判别模型知识降低 3D 生成训练成本

论文作者在 ROAD: Reciprocal-Objective Alignment of Discriminative Semantics for 3D Shape Generation 中提出了一种方法，仅在训练阶段使用判别式 3D 模型，以降低生成的计算成本。关键要素是 reciprocal-objective alignment，它通过 Holistic Semantic Condensing 和 Structural Optimal Alignment 来对齐生成模型和判别模型之间语义异质的潜在空间。在推理阶段不使用判别模型，因此没有额外成本。与工业基线 Step1X-3D 相比，该方法仅使用少量训练数据即可达到相当的质量。

这意味着什么

ROAD 是一个用于训练生成模型的研究框架，而非面向用户的现成工具。它并未在我们的 AI 3D 工具指南 中添加新模型，也不会直接改变现有生成器的工作方式。 在指南的工具中，与 image-to-3d 任务最接近的是 OpenLRM，它也采用了 Large Reconstruction Model 方法。然而，OpenLRM 并未应用 ROAD 中描述的潜在空间对齐策略——其训练不依赖于从判别式基础模型迁移知识。Hunyuan3D（混元3D）2.1 和 TRELLIS 也解决 image-to-3d 任务，但它们的描述中未提及使用判别式 3D 模型来降低训练成本——这些工具的开发者并未报告此类优化。 ROAD 对上述工具的实际影响目前尚不存在：该方法作为研究发布，代码已公开，但指南中的任何生成器均未声明集成它。如果该方法被采纳，未来可能会降低生成模型新版本的训练成本，而不会增加推理要求。