近日，一個來自多家機構的研究團隊聯合提出了DreamCharacter-1框架，該框架旨在將預訓練的3D基礎模型轉化為可直接用於生產環境的高保真3D角色生成工具。與傳統的從頭訓練或大規模微調不同，DreamCharacter-1是一種輕量級後適配方法，它通過在已有的3D基礎骨幹網絡上添加三個任務導向的組件來實現性能提升，而無需重新訓練整個模型。
第一個組件是幾何後訓練模塊。該模塊採用了幾何偏好優化技術，能夠顯著提升角色表面的細微幾何細節。例如，它可以使模型生成更精細的凹凸、皺紋、肌肉線條等特徵，從而讓角色的外觀更加真實和生動。第二個組件是紋理後訓練模塊，它負責合成高分辨率的紋理貼圖，並特別針對原始基礎模型在遮擋區域（如腋下、耳後、手指間等）的紋理模糊問題進行了優化。通過這種方式，角色從任何角度觀看都具備一致且逼真的外觀。第三個組件是推理加速模塊，它集成了多種優化技術，使得整個框架能夠在實際應用中實現快速推理和高度可擴展的部署，從而滿足工業級應用的需求。
在實驗部分，研究團隊在多個公開數據集上進行了全面的定量和定性評估。評估指標包括視覺質量、幾何完整性、紋理真實性和生成速度等。結果顯示，DreamCharacter-1生成的3D角色資產在各個方面都顯著優於當前最先進的角色生成方法。例如，在用户調研中，DreamCharacter-1生成的角色在視覺吸引力上獲得了更高的評分；在幾何精度測試中，其表面細節的保真度也明顯領先。這項工作為3D角色生成從學術研究走向實際產品應用提供了一條可行的技術路徑，有望在遊戲、影視、虛擬現實等領域發揮重要作用。