Нейросетевые 3D-модели: почему слайсеры отклоняют почти половину генераций
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Исследование показало, что 45% 3D-моделей, сгенерированных по фото нейросетями, содержат геометрические дефекты, делающие их непригодными для печати. Основные проблемы связаны с отсутствием единиц измерения, мусорными фрагментами внутри объектов и нарушением топологии сетки.
Массовое внедрение генеративного 3D требует понимания технических ограничений нейросетей на этапе подготовки файлов для производства, чтобы избежать брака и потери времени при печати.
Создание 3D-моделей по фотографии с помощью искусственного интеллекта стало рутинной задачей, однако результат часто оказывается непригодным для промышленного применения. Артём Кузнецов, AI/ML-инженер и CTO стартапа в сфере 3D-печати, провёл тестирование пяти популярных генераторов на базе четырёх изображений. Из двадцати полученных файлов девять не прошли базовую проверку в слайсере Bambu Studio, что свидетельствует о системных проблемах в архитектуре современных нейросетей.
Главной причиной отклонения файлов является отсутствие единиц измерения в формате STL. Генераторы работают в собственных координатах, вписывая объект в куб со стороной около одной единицы. Слайсеры интерпретируют эти числа как миллиметры, дюймы или метры на основе эвристик объёма. В результате модель может оказаться размером с маковое зерно или, наоборот, вырасти до метра. Ни один из протестированных алгоритмов не способен точно определить реальный масштаб объекта по одному снимку.
Второй критический дефект — наличие «мусорных» фрагментов внутри объектов. Например, модель кружки от TripoSR состояла из 93 изолированных частей: основной формы и 92 мелких осколков, зависших в пустоте. Это происходит из-за шума в нейронном поле: алгоритм ошибочно определяет внутренние точки как часть поверхности, создавая замкнутые пузыри. Слайсер пытается напечатать всё, что крупнее диаметра сопла, что приводит к потере пластика и времени.
Третья проблема касается топологии сетки. У модели робота от TRELLIS.2 было обнаружено более трёх тысяч рёбер, на которых сходятся четыре треугольника вместо стандартных двух (non-manifold edges). Такой дефект возникает на крутых изгибах и стыках деталей. Хотя новая версия алгоритма лучше передаёт сложные формы, она ухудшает геометрическую чистоту по сравнению со старым TRELLIS, который выдал корректную сетку для того же объекта.
Также выявлено отсоединение мелких элементов от основного тела. У робота ступни висели в воздухе на расстоянии 0,5–0,7 мм от ног, а шарик на антенне не был закреплён. Слайсеры могут распознать висящие зоны, но не всегда способны автоматически исправить проблему, требуя ручного вмешательства или удаления элементов.
Отдельного внимания заслуживает вопрос детализации. Генератор Hunyuan3D 3.1 показал наилучшие результаты по чистоте геометрии, однако мелкие детали, такие как глаза или надписи, были реализованы только в виде текстур. При печати одним цветом эти элементы теряются, так как принтер воспроизводит лишь рельеф, а не «краску». Это требует от пользователя предварительной оценки того, какие детали критичны для физического объекта.
Для самостоятельной проверки моделей автор предлагает использовать скрипт на Python с библиотекой trimesh, который анализирует количество открытых рёбер, отдельных частей и габариты. Также рекомендуется визуально проверять модель без текстур в слайсере и использовать функцию разделения объектов на части для выявления скрытых фрагментов. Эти шаги позволяют отфильтровать непригодные файлы до начала процесса нарезки.