WorldSculpt：从视频生成可拆分的三维场景
WorldSculpt: Generating Compositional Worlds from Grounded Videos
将场景表示为多个可独立操作的物体。方法依赖分割、位姿等输入，生成结果的物理性质仍需另行验证。
作者
相关期次：2026-09-08 精选
阅读笔记
以下为2026-09-08期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。
🪑 WorldSculpt：把生成的房间拆成能单独取用的物体
3D 生成 / 仿真 · 8.5/10｜持续观察
生成一个看起来完整的房间，和拿到一套可以继续编辑的 3D 资产，仍有距离。很多场景模型把物体融在一起，椅子和花瓶虽然看得见，却不方便单独选中、移动或放进仿真环境。WorldSculpt 针对的就是这个问题：结合多视角图像，逐个生成物体网格，再把它们放回同一个空间坐标系。
它借用了 Pixal3D 已经学到的单物体生成能力，增加多视角信息的融合。值得注意的是，模型微调时只用单个物体，测试时却能处理包含数百个物体、相互遮挡的复杂场景。这条路线的价值，在于让生成结果更接近游戏、内容制作和机器人仿真真正需要的资产形式。
不过，输入并非随手拍一段视频就够：方法需要相机位姿、物体掩码和 3D 包围盒等信息，完全看不见的部分也仍靠推断。论文中的几何指标优势来自作者实验，不能当作物理仿真已经可靠的证明。仓库可见推理代码及权重入口；9 月 7 日的 README 更新也不应另算一次重大发布。
[WorldSculpt 论文](https://arxiv.org/html/2609.05416v1)) · [项目代码](https://github.com/AlayaLab/WorldSculpt))
入选理由：单物体训练迁移复杂场景，输出独立可用网格；不将普通commit重报为发布。
论文原始日期：2026-09-04；本期归档日期：2026-09-08。
本期资料：https://www.asteronline.cn/juju-radar/2026-09-08/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。