Sculpt4D：スパース・アテンションによる拡散トランスフォーマーで4D形状を生成する

Abstract

3D生成モデリングにおける最近のブレークスルーは、静的形状の合成において目覚ましい進歩をもたらしましたが、高精細な動的4D生成はなお達成が困難です。これは、時間的アーティファクトによって妨げられ、さらに計算コストが過大であることが原因です。私たちは、Sculpt4Dを提案します。これは、事前学習済みの3D Diffusion Transformer（Hunyuan3D 2.1）に効率的な時間モデリングをシームレスに統合するネイティブな4D生成フレームワークであり、4Dの学習データ不足を緩和します。その中核には、最初のフレームにアンカーすることで対象物の同一性を保持しつつ、時間減衰する疎マスクによって豊かなモーションダイナミクスを捉えるBlock Sparse Attention機構があります。この設計により、高い忠実度で複雑な時空間の依存関係を忠実にモデル化しながら、フル・アテンションの二次的オーバーヘッドを回避し、ネットワーク全体の計算量を56%削減します。その結果、Sculpt4Dは時間的に整合性のある4D合成における新たな最先端を確立し、効率的でスケーラブルな4D生成への道筋を示します。