生成式 3D 资产可用性栈
一张渲染图“看起来像 3D”，不代表它已经是可编辑、可动画、可仿真或可进入 游戏引擎的资产。更可靠的评估方式，是把生产可用性拆成多个独立层。
六层能力
| 层 | 核心问题 | 最小检查 |
|---|---|---|
| 表示与几何 | 是否有明确的 mesh、Gaussian 或其他 3D representation？ | 文件能否读取；坐标、尺度和几何是否稳定 |
| 拓扑与结构 | connectivity 是否适合编辑和下游工具？ | manifold、face orientation、局部结构、面数 |
| 外观与纹理 | 多视角与 UV / texture 是否一致？ | 接缝、分辨率、材质通道、视角一致性 |
| 骨架与蒙皮 | skeleton、joint hierarchy、skinning weights 是否匹配 geometry？ | 关节层级、权重和基本姿态测试 |
| 运动与动画 | motion 能否迁移到目标 rig？ | retargeting、时序连续性、穿插和约束 |
| 物理与接口 | 是否满足游戏、机器人或仿真器的输入合同？ | 碰撞体、质量、关节约束、单位、坐标系、格式 |
这些层可以组合，但不能互相替代。例如 rigged asset 仍可能没有可靠碰撞体； 高质量纹理也不能修复错误拓扑。
五篇 SIGGRAPH 2026 工作的能力映射
以下论文覆盖互补问题，但没有共同证明一个端到端产品管线：
| 论文 | 主要对象 | 能支持的判断 |
|---|---|---|
| Nexus · Trackback 记录 | native mesh generation | 将顶点生成和拓扑生成作为明确建模对象 |
| Generative 3D Gaussians with Learned Density Control · Trackback 记录 | variable-count 3D Gaussians | 将 Gaussian 密度与数量控制纳入生成过程 |
| PixTex | pixel-space multi-view texturing | 处理多视角纹理的一致性与细节 |
| AniGen · Trackback 记录 | shape、skeleton、skin | 联合表示并生成可动画资产的三个组成部分 |
| TopoCap · Trackback 记录 | topology-agnostic motion prior | 从单目视频提取运动并迁移到目标 rig |
Mesh 和 3D Gaussian 是并列表示路线，不是固定的前后处理关系；TopoCap 假设目标 rig 已存在，也不能替代 skeleton 与 skin generation。
为什么需要任务对齐的评测
不同任务的指标回答不同问题：
- render quality 主要回答“看起来是否逼真”；
- geometry / topology 指标回答“结构是否正确”；
- texture 指标回答“外观是否一致”；
- rigging / motion 指标回答“是否可驱动”；
- downstream benchmark 回答“是否能完成目标任务”。
跨任务比较一个单一分数没有意义。声称 production-ready 时，还需要说明
文件格式、编辑性、导入流程、单位、物理属性和失败率。
评估清单
资产级
- 表示类型和文件格式明确。
- geometry、topology 与尺度通过基础检查。
- texture / material 通道完整且跨视角一致。
- skeleton、skin 和 motion 的前提关系明确。
系统级
- 输入条件、输出合同和失败条件可复现。
- 评测指标与目标资产层一致。
- 与目标 DCC、游戏引擎或仿真器完成真实导入测试。
- 记录人工修复时间，而不只展示最佳案例。
主张边界
- 没有把视觉质量写成物理真实性。
- 没有把单篇论文写成完整生产管线。
- 没有把 Gaussian 渲染能力等同于 polygon mesh 可编辑性。
- 没有把 motion transfer 写成自动 rigging。