高保真三维资产生成在多个行业中至关重要。尽管近期的三维预训练模型在生成逼真内容方面表现出强大能力，但大多数模型基于diffusionmodels，并采用“两阶段”流程：先生成几何结构，再合成外观。这种解耦式设计常导致几何与纹理的不对齐，以及较高的计算成本。

论文：UniLat3D:Geometry-Appearance Unified Latents for Single-Stage 3D Generation
链接：https://arxiv.org/abs/2509.25079
代码：https://github.com/UniLat3D/UniLat3D

本文提出 UniLat3D —— 一种在单一潜空间中同时编码几何与外观信息的统一框架，实现了直接的单阶段生成。我们的核心贡献是几何–外观统一VAE（Uni-VAE），它将高分辨率的稀疏特征压缩为紧凑的潜在表示——UniLat。UniLat 将结构信息与视觉信息整合为一个密集的低分辨率latent，可高效解码为多种3D representation，如 3DGS与mesh。

基于这一统一表示，我们训练了一个单一的flow-matching model，可将Gaussian Noise直接映射到 UniLat，从而消除冗余的生成阶段。仅依托公开数据集训练的 UniLat3D，能够在数秒内从单张图像生成高质量的三维资产，在外观逼真度与几何精度方面均实现了显著提升。

11月1日（周二）晚8点，青稞Talk 第86期，华中科技大学&华为联培博士生吴官骏，将直播分享《UniLat3D：几秒生成高保真 3D，几何–外观统一VAE的单阶段 3D 生成框架》。

分享嘉宾

吴官骏，华中科技大学&华为联培三年级博士生，博士生导师为王兴刚教授，本科就读于华科计算机学院并辅修经济学。他曾有字节、商汤、华为的实习经历；谷歌学术引用1000+，开源项目在Github 获得stars 3k+。他于CVPR/3DV等国际顶级会议/期刊发表论文5篇，并担任SiggraphAsia/NeurIPS/ICLR/CVPR/IJCV/TCVG等国际顶级会议/期刊的审稿人。他的研究兴趣主要为3D/4D重建与生成。

主题提纲

UniLat3D：几秒生成高保真 3D，几何–外观统一VAE的单阶段 3D 生成框架

1、基于 Diffusion Models 等架构的 3D 生成范式
2、UniLat3D 架构：从两阶段到一体化
- 几何外观统一潜在表示（UniLat）
- 单一流匹配模型（flow-matching model）的训练
3、3D 生成范式的未来研究探讨
4、AMA （Ask Me Anything）环节

直播时间

11月1日(周二)20:00 - 21:00

如何观看

Talk 将在青稞社区【视频号：青稞AI、Bilibili：青稞AI】上进行直播，欢迎观看～

同时，嘉宾已经入驻青稞社区·知识星球，想要提问交流的朋友可以加入星球！