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，它透過在已有的3D基礎骨幹網路上新增三個任務導向的元件來實現效能提升，而無需重新訓練整個模型。
第一個元件是幾何後訓練模組。該模組採用了幾何偏好最佳化技術，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。第二個元件是紋理後訓練模組，它負責合成高解析度的紋理貼圖，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最佳化。透過這種方式，角色從任何角度觀看都具備一致且逼真的外觀。第三個元件是推理加速模組，它整合了多種最佳化技術，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充套件的部署，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資料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，在使用者調研中，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。