为解决单图生成3D角色时普遍存在的姿态混乱、视角不一致等难题，腾讯混元团队提出RCM新方法。该方法通过创新的训练策略，能够从单张图片生成高质量、细节丰富且视角可控的3D角色，显著提升数字内容创作的效率与最终效果。
智能速览
支持将复杂姿态转为标准A/T姿，保留身份细节。
可生成1024×1024高清环绕视频，纹理质感出色。
通过相机姿态精准控制观测角度，实现灵活的视角合成。
兼容1-4张多视图输入，并能抵抗复杂背景干扰。
在多项基准测试中超越基线模型，用户研究评分居首。
精华内容
RCM方法之所以能实现突破性效果，关键在于其精巧的模型设计与训练策略。接下来将深入剖析其背后的技术原理与实测表现。
核心能力
该方法首先解决了姿态混乱的核心痛点，能够将输入图片中的复杂身体姿态统一转换为标准的A姿或T姿，同时精准保留角色的身份特征与服装细节。
其生成环绕视频的分辨率高达1024×1024，确保了纹理和材质的清晰呈现，解决了传统方法分辨率不足的问题。此外，模型对复杂背景具有强大的抵抗力，即使在杂乱环境中也能准确聚焦主体。
技术原理
RCM基于Wan 2.2视频扩散模型构建，并创新性地设计了三阶段渐进式训练策略：第一阶段学习姿态标准化，第二阶段实现视角初始化，第三阶段则完成角色旋转生成，逐步提升生成质量与一致性。
为实现精准的视角控制，模型新增了相机编码器，通过普吕克嵌入技术处理相机姿态矩阵，赋予了模型强大的几何感知能力。同时，优化了输入潜码布局以避免图像续帧误判，保障了生成过程的连贯性。
实测表现
在团队自建的RCM-Wild和RCM-Hard两大基准测试中，RCM模型的表现全面超越了现有的基线模型。在用户研究中，该模型在五项评估指标上均位列榜首，获得了4.25的综合评分（满分5分），证明了其生成质量的优越性。
在更具挑战性的RCM-Hard数据集上，其PSNR指标达到19.41，SSIM指标高达0.89，显著优于Wan 2.2等对比模型。研究还表明，其训练策略具备跨模型迁移的通用性。
腾讯混元RCM方法为单图生成3D角色提供了全新的技术路径，兼具高质量、高可控性与强鲁棒性。这不仅降低了3D数字内容创作的门槛，也为未来个性化虚拟角色的应用铺平了道路，AI驱动的自动化创作时代或将加速到来。
