Hunyuan3D 2.0 MV

Gere modelos 3D a partir de múltiplas visualizações usando Hunyuan3D 2.0 MV.

Input

The same object seen from behind, same size and framing.

The object seen from the front, alone on a plain white background.

Advanced settings

How closely the shape follows the views.

Default: 7.5

Higher keeps finer detail but is slower.

Default: 256

Leave empty for a new result each run. Enter a number to repeat one.

Sampling steps.

Default: 20

Output
00:00
Example

Experimente um exemplo

Sobre este fluxo de trabalho

O fluxo de trabalho 'HY 3D 2.0 MV' foi projetado para converter imagens 2D de múltiplas vistas em modelos 3D detalhados usando o modelo Hunyuan3D 2.0 MV. Esse processo utiliza técnicas avançadas de IA para interpretar e reconstruir a geometria espacial de objetos a partir de imagens tiradas de diferentes ângulos. O fluxo utiliza uma série de nós, incluindo KSampler para amostragem, CLIPVisionEncode para codificação de imagem e VAEDecodeHunyuan3D para decodificação em espaço 3D. O nó Hunyuan3Dv2ConditioningMultiView é fundamental, pois integra múltiplas perspectivas para aumentar a precisão da reconstrução 3D. Este fluxo é especialmente útil para aplicações que exigem geração precisa de modelos 3D a partir de dados visuais limitados, como criação de conteúdo para realidade virtual ou desenvolvimento de gêmeos digitais.

Tecnicamente, o fluxo começa carregando o modelo Hunyuan3D e as imagens multi-view através dos nós ImageOnlyCheckpointLoader e LoadImage, respectivamente. Essas imagens são processadas para extrair características latentes, que são então condicionadas usando o nó Hunyuan3Dv2ConditioningMultiView. O ModelSamplingAuraFlow refina a amostragem do modelo, garantindo alta fidelidade no modelo 3D resultante. Por fim, os nós VoxelToMesh e SaveGLB convertem os dados voxel em formato de malha e salvam como arquivo GLB, tornando o modelo 3D pronto para uso em diversas aplicações. Este fluxo é uma ferramenta poderosa para quem precisa gerar modelos 3D de alta qualidade a partir de imagens 2D de forma eficiente.

Perguntas e respostas