Hunyuan World

从文本或图像生成沉浸式且可交互的3D世界，仍是计算机视觉与图形学中的基本挑战。现有世界生成方法通常分为两类：基于视频的方法虽具备丰富的多样性，但缺乏3D一致性与渲染效率；基于3D的方法虽能保证几何一致性，却受限于有限的训练数据和内存低效的表示方式。为解决上述局限，我们提出HunyuanWorld 1.0，一种新型框架，能够结合两者优势，从文本和图像条件生成沉浸式、可探索且可交互的3D世界。该方法具有三大优势：1）通过全景世界代理实现360°沉浸体验；2）支持网格导出，无缝兼容现有计算机图形管线；3）解耦的对象表示增强交互性。本框架的核心是一种语义分层的3D网格表示，利用全景图像作为360°世界代理，实现语义感知的世界分解与重建，从而生成多样化的3D世界。大量实验表明，我们的方法在生成连贯、可探索、可交互的3D世界方面达到当前最优性能，并在虚拟现实、物理仿真、游戏开发及互动内容创作等场景中展现出广泛适用性。