「Pixal3D」公開：ピクセル整合で超高精度な3Dメッシュを画像から生成

1枚の画像から3Dモデルを生成するツールは増えているものの、実務で使おうとするとディテールが崩れたり、元の写真とテクスチャがずれたりといった不満がつきまとっていた。

画像から高精度な3Dアセットを生成する新モデル「Pixal3D」が発表され、ローカル環境で動かすためのコードと導入手順が公開された。

曖昧な推測を排し、ピクセルと3Dを直結させる

従来の画像生成3Dモデルの多くは、基準となる標準空間で形状を生成し、入力画像の特徴をアテンション処理で大まかに反映させる仕組みをとっていた。そのため、画像のどのピクセルが3D形状のどこに対応するのかが曖昧になり、細部の破綻が起きやすかった。

Pixal3Dはこの問題に対し、3D再構成の技術に着想を得たアプローチを採用している。あらかじめ決められたポーズで生成するのではなく、入力視点に合わせたピクセル整合の手法を取り入れた。

具体的には、ピクセルの逆投影によって画像特徴量を直接3D特徴ボリュームへと引き上げ、2Dと3Dの対応関係を厳密に結びつけている。その結果、元画像の細かな凹凸や質感をそのまま反映したメッシュが出力される。

公開された比較例では、ピザのような微細な凹凸のある物体でも高精度に再現され、Hunyuan 3DやTrellis 2といった既存モデルと比べても輪郭のシャープさや忠実度が際立っている。さらに、複数視点の画像入力や、シーンから物体を個別に分離して3D化するパイプラインにも対応している。

手元のPCで動かせるオープンな仕様

研究発表だけで終わらず、ローカル実行の手順が整っている点も大きな特徴だ。

プロジェクトページからコードを入手し、手順に沿って設定すれば、自分のマシン上でモデルを稼働させることができる。ゲーム制作や映像のバーチャルプロダクション、製品のビジュアライゼーションを手がけるクリエイターにとって、試しやすい環境が整っている。

なぜ重要か

Pixal3Dが示しているのは、生成AIの「それらしさ」よりも、現場が求める「忠実度」に正面から向き合った賢いアプローチだ。

これまでの3D生成モデルは、見た目は整っていても元の画像と細部が一致せず、結局デザイナーが手作業でリファインしなければならないケースが多かった。ピクセル整合によって実測の3Dスキャンに近い精度を出せるようになれば、実制作のパイプラインに組み込むハードルは大幅に下がる。

競合ツールにとっても、標準空間で大雑把に生成する従来のアキテクチャを見直す契機になるはずだ。

もちろん、高負荷な処理をローカルで動かすには一定水準のGPU環境が求められるし、単一視点では死角になる裏側の生成には依然として課題が残る。それでも、画像の質感を壊さずに使える3Dメッシュを素早く手に入れたいクリエイターなら、今すぐ試す価値がある。