SegviGen：自動拆解 3D 模型部件，點選或給張圖即可精準分割

SegviGen 是一個能把完整 3D 模型自動拆解成獨立零件的開源框架。無論你是想給 3D 列印玩具拆件，還是在做遊戲資產編輯與結構分析，它都能幫你把整塊網格乾淨利落地切分成可以直接編輯的部件。

該專案基於微軟開源的 3D 生成模型 TRELLIS.2 開發，核心邏輯不是從零訓練一套複雜的幾何分割網路，而是巧妙借用了原生 3D 生成模型內部原本就沉澱下來的結構與紋理先驗。它在重建幾何形狀的同時預測區分部件的顏色，把原本繁重的分割任務變成了一個輕量級的表徵重用過程。

它能做什麼

SegviGen 在同一套架構下打通了三種實用分割模式。

第一種是互動式分割。你只需要在 3D 模型的某個部位點一下，它就能自動把這個零件完整提取出來。在 PartObjaverse-Tiny 和 PartNeXT 資料集上，它的單點互動 IoU@1 相比此前的 SOTA 方案 P3-SAM 提升了 40%。

第二種是全自動整體分割。無需任何額外提示，模型直接把整個 3D 模型的所有元件全部切開並著色，整體 IoU 相比以往基準提升了 15%。

第三種是 2D 參考圖引導分割。你可以直接給它一張二維分割參考圖，模型會按照圖中指示的粒度，把三維模型精準切成對應的各個零件。

更亮眼的是資料效率。因為借力了生成模型本身的先驗知識，SegviGen 只用了極少量的任務專屬監督資料，甚至只用原先 0.32% 的訓練資料就達到了上述效果。

怎麼跑起來

SegviGen 目前已經在 GitHub 上以 MIT 協議開源了全部程式碼，預訓練模型權重也同步放到了 Hugging Face 上。論文已被 SIGGRAPH 2026 Journal 接收，官方還提供了線上 Demo 供直接體驗。

要在本地部署，你的環境需要是 Linux 系統和 Python 3.10，硬體門檻是必須有一塊視訊記憶體至少 24GB 的 Nvidia GPU。配置過程需要先拉取並安裝 TRELLIS.2 的環境依賴，再通過 pip 安裝 Blender、mathutils 等相關工具包。

本地推理非常直接，官方針對互動式分割、全分割以及 2D 參考圖引導分割分別提供了現成的推理指令碼，輸入 glb 檔案和對應座標或參考圖即可匯出拆分好的 3D 結果。

為什麼重要

3D 部件分割以往一直是件苦差事，手工拆件費時費力，傳統演算法又往往依賴大量標註資料而且切得不準。SegviGen 證明了原生 3D 生成模型肚子裡其實已經藏著極其豐富的解剖學式結構認知，直接把生成先驗拿來做幾何拆解，不僅效果拔群，還把訓練成本打到了地板上。

對於做 3D 列印手辦拆件、遊戲模型二創以及工業結構分析的開發者和創作者來說，它非常值得立刻上手一試。雖然 24GB 視訊記憶體對個人輕薄本不算友好，但只要有張 RTX 3090、4090 或租個雲端顯示卡，就能把過去數小時的體力活壓縮成幾秒鐘的點選操作。