核心技术：CAST

WorldGen 的核心是影眸科技自研的 CAST（组件对齐式 3D 场景重建）技术，该研究曾荣获国际图形学顶会 SIGGRAPH 2025 最佳论文。处理流程为：用户上传一张普通 2D 照片，模型先识别其中所有物体；随后分别补全每个物体被遮挡的部分，生成独立的 3D 模型，并恢复其真实尺寸、空间位置及物理关系（如谁支撑谁、谁悬挂于谁）；最终输出包含多个独立、可编辑、可交互 3D 资产的完整场景。

为生产而设计的输出

• 独立且可编辑：桌子、椅子、杯子等每个物体都是独立的 3D 资产，可单独选中、移动、替换或编辑。
• 具备物理属性：开启 SimReady 功能后，系统会为每个物体估算质量、大小、摩擦系数等物理参数，使生成的场景可直接用于机器人仿真训练。
• 混合表达方式：前景物体使用网格模型（Mesh），具备完整几何结构便于编辑与添加物理属性；背景环境采用 3D 高斯泼溅（3D Gaussian Splatting），高效保留丰富环境细节。

性能与工具链

据官方演示，单物体 3D 预览生成时间约 2-3 秒，完整场景还原约 2-3 分钟。除自动识别外，也支持用户手动框选特定物体进行生成。生成的场景和资产可直接导入 NVIDIA Isaac Sim、Unity、Unreal Engine 等主流仿真与实时渲染平台。生态方面，影眸科技已与地瓜机器人、谋先飞（Motphys）等合作，推出从场景生成到仿真训练的完整解决方案。

四大应用场景

具身智能仿真训练（为机器人提供可交互、带物理属性的虚拟训练场）、影视制作（解决视频模型多镜头难以保持空间和物体位置一致的问题）、游戏开发（直接导入主流引擎加速关卡与环境构建）、空间计算与 XR（用于 Vision Pro 等设备的沉浸式交互体验）。

影眸科技成立于 2020 年，核心创始团队来自上海科技大学，其前代产品 Hyper3D Rodin 已服务全球近千万用户。WorldGen 的发布，标志 3D 生成技术从“造物”向“造世界”迈出关键一步。