UltraTex：實現 2K 多視角 Diffusion 於 3D 貼圖技術
為何重要
3D 內容生成的品質與效率需同時顧及，此技術將生成解析度帶入 2K 並大幅縮減計算成本，對遊戲開發、數位資產庫建構與元宇宙環境生產具有實質助益。對開發者而言，這意味著原本昂貴的離線高解析度貼圖流程變得更可行；對產業來說，這代表 Diffusion 模型正加速解鎖 3D 場景的真實感與生產力門檻。
過往 Multi-view Diffusion 模型受限於低解析度或高計算成本，難以處理 2K 解析度的細節與 Token 崩潰問題。UltraTex 提出一種高效架構來突破瓶頸。本研究包含提出背景標記剔除與區塊稀疏注意力機制，以降低冗餘計算並保留高頻細節，同時設計前景感知 VAE 解碼確保輸出品質。研究團隊建構了 G-buffer TexVerse 資料集，收錄超過 268,000 個超高解析度多視角渲染資產。實驗顯示，相較基準模型，UltraTex 在訓練速度上提升 20.6 倍至 91.1 倍，端到端推論速度則提升 22.3 倍至 74.6 倍。