Step1X-3D 系列

Step1X-3D 的公开资料主要集中于单个系统版本，但已经足以描述一条较完整的技术路线：几何与纹理解耦；几何部分采用 VAE + Rectified Flow DiT；纹理部分复用经过大规模训练的 2D 生成模型。

在当前几条商用系统中，Step1X-3D 属于公开程度较高的一类，因为代码、权重以及部分数据 UID 已经对外发布。

---

已公开结构

模块	参数量	已公开结构
Geometry	1.3B	VAE + Rectified Flow DiT
Geometry-Label	1.3B	在几何分支上增加标签条件
Texture	3.5B	基于 SD-XL 的纹理模块

从系统组织方式看，Step1X-3D 与 Hunyuan3D 一样采用显式的几何 / 纹理解耦，但其模块选择更多依赖对已有组件的复用。

---

1. 几何模块

公开材料表明，Step1X-3D 的几何部分采用：

• Perceiver 风格编码器
• VAE 压缩几何 latent
• Rectified Flow DiT 生成器
• 从 FLUX / MMDiT 调整而来的 transformer 结构

与几何模块相关的公开训练信息包括：

• 96 x A800
• 两阶段几何训练
• 每阶段 100K iterations

更具体地说，两阶段配置对应为：

• Phase 1：latent 512，batch size 1920，learning rate 1e-4
• Phase 2：latent 2048，batch size 960，learning rate 5e-5

这说明其几何部分并未重新定义底层 3D 表示，而是在已有大模型结构上构造适合 3D 几何生成的版本。

---

2. 纹理模块

纹理部分公开得更明确：

• 采用 SD-XL 微调
• 支持 LoRA
• 参数量 3.5B

因此，Step1X-3D 在系统设计上采取了明显的模块复用策略：

• 几何部分使用 3D 专用生成器
• 纹理部分使用 2D 生成模型及其训练基础设施

---

3. 数据构成

公开材料给出了相对具体的数据规模：

• 处理后训练集约 2M
• 其中约 800K UID 来自公开数据
• 约 1.2M 来自未公开私有数据
• 纹理训练另有 30K 子集

公开 UID 还可以进一步细分为：

• Objaverse：约 320K
• Objaverse-XL：约 480K

这一数据组织方式表明，Step1X-3D 不完全依赖私有数据，但最终系统仍使用了公开数据之外的补充数据。

---

4. 技术路线归纳

基于已公开信息，Step1X-3D 的路线可以概括为：

1. 几何和纹理解耦
2. 几何部分使用 VAE + Rectified Flow DiT
3. 纹理部分使用大规模 2D 生成模型微调
4. 数据上使用公开与私有混合方案

因此，它与 LATTICE、SparseFlex 这类强调新表示的路线不同，更适合归纳为以模块复用为主的 3D 资产生成方案。

---

5. 与其它系列的关系

• 相比 Hunyuan3D：同样采用几何 / 纹理解耦，但对底层形状表示的重新定义较少。
• 相比 Tripo：公开叙述重点不在高分辨率新表示。
• 相比 Rodin：公开资料中部件级结构控制较少。

---

6. 未公开信息

以下内容在公开资料中仍不完整：

• 纹理模块的完整训练算力
• 更后续版本的系统关系
• 私有数据的具体构成与筛选标准

---

7. 相关页面

• Mesh Generation Models
• Generation Paper List

评论

评论功能当前未启用。当前站点不依赖 GitHub 评论服务；如果后续需要评论，建议接入自托管评论后端。