الملخص

أدى التقدم الأخير في النماذج التوليدية ذات الأبعاد الثلاثية (3D-native) إلى تسريع إنشاء الموارد المستخدمة في الألعاب والأفلام والتصميم. ومع ذلك، تظل معظم الطرق تعتمد بشكل رئيسي على الشروط المرئية أو النصية، وتفتقر إلى تحكم دقيق عبر الوسائط المتعددة، ما يحد من قدرة التحكم والاعتماد العملي عليها. ولسد هذه الفجوة، نقدم "هونيان 3D-أوميني"، وهي إطار موحد لإنشاء موارد ثلاثية الأبعاد قابلة للتحكم بدقة، مبني على النسخة 2.1 من "هونيان 3D". إلى جانب الصور، يقبل "هونيان 3D-أوميني" إشارات شرطية إضافية مثل السحابات النقطية (point clouds)، والبُكسلات (voxels)، وصناديق الحدود (bounding boxes)، وبيانات الوضع الهيكلي (skeletal pose)، مما يتيح تحكمًا دقيقًا في الشكل الهندسي، والتركيب، والوضعية. بدلًا من استخدام وحدات منفصلة لكل نوع من الوسائط، يوحد نموذجنا جميع الإشارات في بنية موحدة عبر الوسائط المتعددة. ونقوم بتدريب النموذج باستخدام استراتيجية عينة متسلسلة تأخذ بعين الاعتبار مستوى الصعوبة، حيث يتم اختيار نوع واحد من الوسائط لكل مثال، مع تفضيل العينات الصعبة (مثل الوضع الهيكلي) وتقليل وزن العينات الأسهل (مثل السحابات النقطية)، ما يشجع على دمج متعدد الوسائط قوي، ويعزز القدرة على التعامل بسلاسة مع البيانات الناقصة. تُظهر التجارب أن هذه التحكمات الإضافية تحسّن دقة التوليد، وتمكّن من تحويلات واعية بالهندسة، وتعزز المرونة في سير العمل الإنتاجي.