KaiNinja：將原生 3D 生成技術推向零件層級，透過雙體積表徵實現精準且可編輯的建模

本研究開發 KaiNinja，透過雙體積表徵將 TRELLIS.2 擴展至零件級生成。不僅大幅提升物件細節與零件準確度，更首創利用 LLM 代理人生成的數據進行訓練。

Problem

現有的原生 3D 生成器（如 TRELLIS.2）雖能產生高保真幾何模型，但其輸出通常是單一融合物件。然而，下游的編輯、骨架綁定及物理模擬需要「零件級」資源。現有的分割方法速度慢且受限於分割準確度，且傳統 O-Voxel 網格無法在單一體積內表徵零件接觸面，限制了精細建模。

Method

引入「雙體積表徵（Dual-volume representation）」技術，將其整合至 TRELLIS.2 的 O-Voxel 架構中，開發出 KaiNinja 模型。此方法無需額外的遮罩或分割器，即可直接生成零件化模型。訓練資料來源廣泛，包含 CAD 模型，並首度採用由大型語言模型（LLM）驅動的代理人所編寫的零件數據。

Results

KaiNinja 在保持生成速度與品質的同時，顯著提升了物件的整體細節。相較於其他零件生成流程，其物件倒角距離（Chamfer distance）降低了 40%，且嚴格零件 F-score 提升了 16%。實驗發現，即使在相同資料集上微調，零件化架構的整體忠實度仍優於原始骨幹模型。

Significance

這項研究填補了高品質 3D 生成與實用零件資源之間的鴻溝，為自動化 3D 內容創作開闢新路徑。它是首個利用代理人生成數據訓練的 3D 生成模型，證明了零件級建模能反過來優化整體模型品質，對於後續的模型編輯與模擬應用具有深遠影響。