Publicado el equipo Hunyuan3D de Tencent

informe técnico

sobre WorldClaw. Usando una frase, el sistema construye una escena tridimensional con terreno, superficies, edificios, vegetación y vehículos.

El resultado son modelos poligonales con texturas compatibles con Blender: se pueden editar manualmente.

🟡

WorldClaw no tiene un modelo separado; vincula lo existente

El agente es Claude Opus 4.8, las imágenes se crean con GPT-Image-2, la familia SAM3 se encarga de la segmentación, la geometría se completa con Hunyuan3D y el ensamblaje se realiza en Blender.

Primero, el agente analiza la solicitud en una descripción: qué regiones se necesitan, cómo son adyacentes, qué terreno, qué objetos y con qué estilo.

Entonces se construye el paisaje global. Las regiones se dibujan con un mapa esquemático, se recortan máscaras y en la parte superior se agrega un campo de ruido de gran altitud y operadores geomórficos (picos, dunas, terrazas, erosión). Las superficies se preparan de dos maneras: generando texturas y ensamblando materiales procesales de Blender. Piedras y matorrales se encuentran esparcidos por el terreno, teniendo en cuenta pendientes y alturas.

En la tercera etapa, el área se representa en una imagen, el editor de imágenes completa los objetos necesarios en ella, SAM3 recorta cada uno individualmente, SAM3D esculpe un modelo aproximado basado en el recorte y la posición en la escena se calcula mediante un par de rayos de dos cámaras. Luego, el agente revisa las representaciones y corrige errores: objetos suspendidos en el aire o enterrados en el suelo, escala y rotación incorrectas.

Hunyuan3D modifica los modelos que no pasan el control de calidad; refina la superficie y dibuja texturas, preservando el lugar del objeto en la escena.

🟡

Pruebas

Tencent comparó su sistema con SynCity, Marble from World Labs, MajutsuCity, WorldGen y GPT-5.6 Sol.

A todos se les preguntó sobre un tema sobre un pueblo medieval y se les mostraron cuatro vistas desde el nivel del suelo.

Los autores concluyen que WorldClaw gana en términos de expresión en relieve, separación regional, diversidad de contenido, cumplimiento de consultas y estabilidad de la imagen cuando la cámara se mueve libremente, manteniendo los objetos como modelos editables separados.

El acceso aún no está claro.

repositorio

Está abierto en GitHub, pero contiene el código fuente del sitio web del proyecto. La compañía no anunció una demostración pública ni una fecha de lanzamiento.

🟡

página del proyecto

🟡

arxiv

🖥

GitHub

@ai_machinelearning_big_data