🏗️ 3D场景白模构建方案深度调研报告

1. 🏆 HunyuanWorld 2.0 (HY-World-2.0) 最新！2026-04 最佳推荐

GitHub: Tencent-Hunyuan/HY-World-2.0 | ⭐ 2,472 | License: 开源 | 创建: 2026-04-10

维度	详情
核心能力	文本/图片→全景图→可漫游3D世界（含mesh导出！可直接导入Blender/UE）
技术管线	① HY-Pano 2.0（全景生成）→ ② 轨迹规划 → ③ WorldStereo-2（立体视频扩展）→ ④ 3DGS重建 → ⑤ Mesh导出
核心优势	✅ 直接导入Blender/UE/Isaac引擎 ✅ 一次生成，渲染成本≈0 ✅ 精确控制+真实物理碰撞 ✅ 实时渲染
vs 视频世界模型	视频模型=看一次就没了；HY-World=建一个世界，永久保留
GPU需求	CUDA 12.8, Python 3.11+, 推荐 A100/H100（4090量化版可跑）
输出格式	3DGS + Mesh (OBJ/GLB) + 可交互3D世界
适用场景	室内/户外全景场景、VR/游戏开发、电影previz

# 安装
git clone https://github.com/Tencent-Hunyuan/HY-World-2.0
cd HY-World-2.0
conda create -n hyworld2 python=3.11.15 && conda activate hyworld2
pip install -r requirements.txt

# 使用 - 图片→全景→3D世界
from pipeline import HunyuanPanoPipeline
pipeline = HunyuanPanoPipeline.from_pretrained('tencent/HY-World-2.0')
output = pipeline('input.png')
output.save('output_panorama.png')
# 然后跑5阶段世界生成管线

2. ⚡ FlashWorld ICLR 2026 Oral 速度之王

GitHub: imlixinyang/FlashWorld | ⭐ 834 | License: 开源

维度	详情
核心能力	单张图片/文本→高质量3DGS场景，仅需7秒(A100)/4秒(H100)
速度	🚀 7秒/场景 (1×A100), 4秒/场景 (1×H100) — 目前最快的3D场景生成
与HunyuanWorld关系	FlashWorld 是 HunyuanWorld 团队成员 (imlixinyang) 的加速版，被官方推荐为快速3DGS生成方案
GPU需求	单GPU即可（A100/H100最佳，3090可能需要量化）
输出格式	3DGS (Gaussian Splatting)
限制	输出是3DGS而非传统mesh，需要后续转换为GLB

3. 🏠 MIDI-3D CVPR 2025

GitHub: VAST-AI-Research/MIDI-3D | ⭐ 938 | License: Apache-2.0

维度	详情
核心能力	单张图片→多物体分解→同时生成多个3D实例→组装成场景（含空间关系）
技术特点	多实例扩散模型(Multi-Instance Diffusion)，不是逐物体生成而是同时生成整个场景
管线	① Grounded SAM分割 → ② MIDI多实例3D扩散 → ③ MV-Adapter纹理 → 输出GLB场景
GPU需求	30GB VRAM（带纹理生成），仅形状生成更少
输出格式	GLB（完整带纹理的场景）
优势	✅ 输出直接是GLB ✅ 物体间空间关系准确 ✅ 室内场景效果好
劣势	⚠️ 30GB VRAM需求高（3090 24GB不够完整管线） ⚠️ 更适合室内物体场景，不适合大范围户外

用例：AI短剧场景白模快速搭建

🏆 第一推荐：HunyuanWorld 2.0 + 程序化 Blender 混合管线

工作流：

1. 从分镜/概念图出发 → dreamina 生成场景参考图
2. HunyuanWorld 2.0 → 参考图 → 全景 → 可漫游3D世界（mesh导出）
3. Blender导入mesh → 多角度渲染白模参考图
4. dreamina img2img → 白模参考图 → 最终场景图

优势：最快获得高保真3D白模，比纯程序化更具细节，比纯AI更可控

挑战：HunyuanWorld 2.0 需要大VRAM（建议A100或双卡），3090需量化版

⚡ 第二推荐：FlashWorld（速度优先）

如果你只需要快速白模预览（不需要完美纹理），FlashWorld 7秒一个场景是目前最快的方案。

# 7秒生成一个3DGS场景
# 输入：一张图片或一段文字描述
# 输出：3DGS场景（可转GLB）

# 适合：快速迭代白模预览，不追求完美质量

🛠️ 第三推荐：Blender Python 程序化（你已有的方案）

你的 blender-procedural-scene-builder + kais-blender-layout 技能已经能做：

• 3-15秒生成室内场景（咖啡馆194物~15s，超市825物~20s）
• 零GPU需求（CPU EEVEE_NEXT 即可）
• 完全可控、可编辑、可复用模板

适合：结构化场景（咖啡馆/办公室/教室等）、需要精确控制物体位置的场景

局限：对非结构化/有机场景（森林/废墟/自然地形）效果差

Phase 1（立即可用）：强化现有 Blender 程序化管线

你的 blender-procedural-scene-builder 已经能快速生成室内白模。继续扩展场景模板库。

速度：3-15秒 | 成本：零 | 推荐度：⭐⭐⭐⭐

Phase 2（高ROI）：部署 HunyuanWorld 2.0 / FlashWorld

这是最大的增量价值。一张dreamina生成的场景图→完整3D世界→Blender多角度白模→img2img精化。

速度：7-30秒 | VRAM：24-40GB | 推荐度：⭐⭐⭐⭐⭐

⚠️ 需要验证3090能否跑量化版。如果不行，FlashWorld可能是更好的选择（设计为单GPU）。

Phase 3（补充）：MIDI-3D 用于室内多物体场景

当需要从一张场景图提取多个独立3D物体时，MIDI-3D 的多实例分解能力无可替代。

速度：~30秒 | VRAM：30GB | 推荐度：⭐⭐⭐