3DTown翻译站点

3DTown 是由普林斯顿大学、哥伦比亚大学和 Cyberever AI 联合推出的开源 AI 框架，旨在从单张俯视图图像生成逼真且连贯的三维城镇场景。该项目于 2025 年 5 月发布，已在 GitHub 开源，并在 arXiv 上发表了相关论文。

🧠 技术亮点

1. 区域化生成（Region-Based Generation）

3DTown 首先将输入的俯视图图像分解为多个重叠的区域，然后利用预训练的 3D 对象生成器（如 Trellis）对每个区域进行独立的三维建模。这种“化整为零”的策略有助于提高生成结果的分辨率和细节保真度，同时增强图像与三维模型之间的对齐性。

2. 空间感知三维修复（Spatial-Aware 3D Inpainting）

在完成各个区域的三维建模后，3DTown 采用空间感知的三维修复技术，通过掩码修正流（Masked Rectified Flow）填补各个区域之间的几何缝隙，确保整个场景的结构连续性和一致性。

3. 免训练框架（Training-Free Framework）

与许多需要大量三维数据进行训练的模型不同，3DTown 是一个免训练的框架。它直接利用预训练的三维对象生成器，无需额外的三维监督或微调，降低了使用门槛，提升了实用性。

📊 性能评估

在多项评估指标上，3DTown 均优于当前的先进基线模型：

• 几何质量：相比 Trellis 提升 37%，相比 TripoSG 提升 55%。

• 布局连贯性：GPT-4o 评估中得分为 87.9%，而 Hunyuan3D-2 仅为 12.1%。

• 纹理保真度：生成的三维模型纹理逼真、一致，接近真实世界的效果。

这些结果表明，3DTown 能够从单张图像生成高质量的三维城镇场景，且在几何结构、空间一致性和纹理保真度方面表现出色。

🌍 应用场景

• 游戏开发与虚拟现实：快速生成逼真的三维城镇场景，提升开发效率和沉浸感。

• 城市规划与建筑设计：辅助设计师从二维图纸快速构建三维模型，进行可视化分析。

• 教育与科研：作为教学和研究工具，帮助学生和研究人员理解三维建模和计算机视觉技术。

🔗 项目信息

• 项目主页：https://eric-ai-lab.github.io/3dtown.github.io

• 论文链接：https://arxiv.org/abs/2505.15765

3DTown 的推出，为从单张图像生成高质量三维场景提供了新的解决方案，具有广泛的应用前景和研究价值。