ROAD：不堆数据不堆算力，靠对齐3D基础模型先验实现高保真生成
高保真3D生成通常依赖大规模模型与海量数据，计算成本极高。ROAD框架另辟蹊径：它冻结一个现成的3D基础模型，通过互惠目标对齐策略将其判别语义先验注入扩散Transformer，在仅用3万训练资产、8块A100训练3.5天的条件下，生成质量超越TRELLIS等更大规模模型，逼近商业模型Step1X-3D。核心创新在于识别并解决了生成模型与判别模型之间的语义-结构异构性问题——全局语义凝聚(HSC)和结构最优对齐(SOA)两个组件协同工作，让生成器真正“理解”3D形状的语义结构。该方法可迁移至CraftsMan和TRELLIS等不同框架，但生成质量受限于所选基础模型的语义能力。