标题：腾讯混元团队发布业界首个高质量原生3D组件生成模型

正文：
腾讯混元3D团队推出了业界首个高质量原生3D组件生成模型，解决了现有3D生成算法的痛点。传统方法通常生成一体化的3D模型，而下游应用更需要语义可分解的3D形状，即将物体拆分为独立组件进行生成。

组件式3D生成主要应用于两大场景：
1）视频游戏制作：游戏中许多资产需根据语义绑定逻辑，例如汽车模型需分解为主体和四个轮子，以便轮子能单独滚动。此外，复杂几何通过拆分为简单组件，可降低下游算法（如低模拓扑、UV展开）的处理难度。
2）3D打印：用户可逐个打印组件后组装，像搭积木一样灵活操作。

然而，现有方法在可控性、几何质量和语义连贯性上存在不足。为此，Hunyuan3D-Part提出了一种新范式，实现高精度、可编辑且结构合理的组件式3D生成。

技术流程

Hunyuan3D-Part的技术流程包括三步：
1. 使用Hunyuan3D基模型（V2.5或V3.0）获取整体形状。
2. 通过部件检测模块P3-SAM提取语义特征和部件边界框。
3. 利用X-Part将整体形状分解为各个部件。

技术亮点

1. P3-SAM：业界首个原生3D分割模型，基于大规模高质量3D数据训练，摆脱对2D数据依赖，显著提升分割精度和鲁棒性。
2. X-Part：工业级组件生成模型，重新定义3D组件生成的可控性和质量标准。

核心创新

• P3-SAM通过PointTransformerV3提取特征，并结合FPS和NMS实现全自动分割，生成精确掩码。团队还开发了包含370万个高质量部件级掩码的数据集，确保模型优异性能。
• X-Part利用P3-SAM的包围盒和点云语义特征，提供粗粒度引导，缓解过拟合问题，同时引入精心设计的特征扰动机制，实现语义一致的部件分解。

效果评估

Hunyuan3D-Part在多个数据集上的分割和生成效果超越现有方法，可视化结果展示其高精度和强可控性。

体验地址及论文详见以下链接：
代码：https://github.com/Tencent-Hunyuan/Hunyuan3D-Part
权重：https://huggingface.co/tencent/Hunyuan3D-Part
P3-SAM论文：https://arxiv.org/abs/2509.06784
X-Part论文：https://arxiv.org/abs/2509.08643