CraftsMan是一款结合2D扩散模型与3D原生扩散模型的AI 3D生成工具，能从单张图片快速生成带纹理的3D模型。但在实际使用中，不少人发现生成的模型表面像蒙了一层雾，衣褶、纹理边缘、几何棱角等细节大量丢失，直接用于项目几乎不可能。这个问题通常不是模型本身能力不行，而是输入分辨率不规范与后处理缺失两个环节没做好。本文围绕这两个核心环节展开，给出可直接落地的解决方案。
为什么输入分辨率直接决定生成细节的上限
CraftsMan的生成流程分为两个阶段：先用2D扩散模型从输入图片生成多视角图像，再用3D扩散模型（基于点云或隐式场）从这些多视角图像重建几何。第一阶段的分辨率瓶颈会一路传递到最终输出。如果输入图片只有512像素甚至更低，2D扩散模型在生成侧面、背面视图时缺乏足够的纹理参考，只能靠脑补补全，导致多视角图像之间细节不一致，3D重建时这些矛盾的信号会被平均化，最终表现为表面模糊。
经验值是输入图片短边不低于1024像素，推荐1536甚至2048。但要注意，单纯放大图片没有意义，关键在于图片本身包含真实的高频信息。用AI超分辨率工具把一张480像素的图强行拉到2048，生成质量并不会明显改善，因为原始信息量没有增加。正确的做法是从源头获取高分辨率素材，或者使用保细节的超分算法。
除了分辨率本身，还有几个输入条件容易被忽略：
- 背景处理：输入图片最好抠出主体并放到纯色背景上，杂乱背景会干扰多视角生成的主体识别，导致边缘几何破损。
- 光照均匀：强阴影区域的细节在多视角生成时容易丢失，输入前尽量做光照归一化。
- 视角居中：主体应占画面主要区域且姿态端正，偏转过大的输入会加剧侧面视角的幻觉。
以下是一段规范的输入预处理脚本，基于Python完成抠图、裁剪与尺寸校验：
from PIL import Image
import numpy as np
def preprocess_input(img_path, target_size=1536, bg_color=(255, 255, 255)):
img = Image.open(img_path).convert("RGBA")
# 简单阈值抠图，实际项目建议用rembg等专业工具
arr = np.array(img)
alpha = arr[:, :, 3]
# 生成纯色背景
bg = Image.new("RGBA", img.size, bg_color + (255,))
# 将抠出的主体贴到背景上
fg = Image.fromarray(arr)
bg.paste(fg, (0, 0), fg)
out = bg.convert("RGB")
# 按短边缩放到目标尺寸，保持比例
w, h = out.size
scale = target_size / min(w, h)
if scale > 1:
print("警告：输入分辨率低于目标值，放大可能引入伪影")
out = out.resize((int(w * scale), int(h * scale)), Image.LANCZOS)
# 校验最终尺寸
assert min(out.size) >= 1024, "短边不足1024像素，细节会明显缺失"
return out
preprocess_input("chair.jpg").save("chair_clean.jpg", quality=95)
这段脚本里有一个关键判断：当输入分辨率低于目标值时打印警告。这不是多余的提示，而是提醒你回去找更好的素材，而不是寄希望于后续流程补救。输入环节的细节损失，后处理只能部分修复，无法凭空还原。
生成参数调优：在细节与稳定性之间找平衡
输入准备好之后，生成阶段的参数同样影响细节表现。首先是多视角生成的采样步数。默认配置为了速度往往设置较低，把步数从25提升到50，细节会明显改善，代价是生成时间翻倍。其次是引导系数（CFG Scale），过低的引导值会让模型自由发挥，多视角一致性变差；过高的引导值则会让画面过饱和、边缘锐化过度，反而产生伪细节。一般控制在5到8之间比较稳妥。
如果你的显卡显存允许，建议开启CraftsMan的高分辨率几何模式，或者在配置文件中把3D阶段的体素或点云密度调高一档。几何密度直接决定表面能表达的最小细节尺度，密度不足时，再清晰的输入也只能得到圆钝的棱角。可以参考如下配置调整：
# config/custom.yaml 关键参数示例 multiview: num_inference_steps: 50 # 从默认25提升，细节更丰富 guidance_scale: 6.5 # 保持在5-8区间 resolution: 1536 # 多视角图像生成分辨率 shape_generation: voxel_resolution: 256 # 默认128，显存充足时翻倍 point_samples: 120000 # 点采样密度 extraction: "marching_cubes" # 等值面提取方式
需要提醒的是，体素分辨率从128提到256，显存占用大约是原来的8倍，16GB以下的显卡很容易爆显存。如果显存吃紧，可以保持体素分辨率不变，转而在后处理阶段用细分来弥补，这也是下一节的重点。
后处理增强：把粗糙模型打磨到生产级别
生成分辨率受限时，后处理是挽救细节的主战场。完整的后处理链路通常包含四个环节：网格修复、细分平滑、法线贴图烘焙、纹理细化。下面逐一说明。
第一个环节是网格修复。扩散模型输出的网格常有非流形边、悬浮碎片和孔洞，这些问题不处理，后续细分和烘焙都会出错。可以用pymeshlab批量处理：
import pymeshlab as ml
ms = ml.MeshSet()
ms.load_new_mesh("raw_output.obj")
# 删除悬浮小碎片（连通域面积过滤）
ms.meshing_remove_connected_component_by_diameter(
mindiameter=2.0, removedisconnectedcc=True)
# 补孔洞
ms.meshing_surface_hole_filling(maxholesize=100)
# 删除非流形面
ms.meshing_remove_null_faces()
# Taubin平滑，既去噪又不明显收缩体积
ms.apply_coord_taubin_smoothing(stepsmoothnum=10, lambda_=0.5, mu=-0.53)
ms.save_current_mesh("cleaned.obj")
第二个环节是细分与位移雕刻。用Loop细分可以把三角形数量提高一个数量级，配合位移贴图能让低分辨率网格呈现出高模的表面起伏。如果没有高模参考，也可以用二维超分模型对纹理做增强，再烘焙回模型表面，这是一种低成本的伪细节增强手段，游戏行业叫细节贴图叠加。
第三个环节是法线贴图烘焙。法线贴图能在不增加多边形数量的前提下，让视觉细节提升一个档次，对AI生成模型尤其有效，因为很多丢失的细节本质上只需要视觉上存在即可。Blender或Marmoset Toolbag都支持从高模向低模烘焙，如果只有低模，可以用Materialize这类工具从纹理图反推法线：
# 使用Materialize从漫反射纹理生成法线贴图 materialize --input diffuse.png \ --output-normal normal.png \ --normal-strength 2.5 \ --smooth-angle 60 # 用obj2gltf打包为可交付资产 obj2gltf -i cleaned.obj -o final.glb \ --normal normal.png \ --basecolor diffuse_hires.png
最后一个环节是拓扑重建。AI生成的网格三角形分布杂乱，无法用于动画绑定。如果你的模型需要做骨骼动画，建议用Instant Meshes或Quad Remesher做四边面重拓扑，把面数控制在目标区间，再把原纹理通过烘焙的方式转移到新拓扑上。经过这条链路处理后的模型，才能算真正进入生产管线。
常见失败场景与排查思路
排查细节问题时，建议按数据流顺序检查，不要一上来就调参数。第一步检查输入图片：把输入图和生成的第一个视角图放在一起对比，如果生成视角已经模糊，问题在输入端，后处理无解。第二步检查多视角一致性：把四个视角图拼成网格观察，同一特征在不同视角中的位置是否对应，错位严重说明引导系数或步数需要调整。第三步检查几何密度：在MeshLab中统计三角面数，低于10万面的模型基本无法承载精细细节，需要提高生成密度或做细分。
另一个高频问题是纹理烘焙后模型表面出现接缝。这通常是UV展开质量太差导致的，AI生成的UV往往不考虑纹理连续性。解决办法是用xatlas重新展开UV，设置合适的图表间距，再回到烘焙环节重新传递纹理。虽然多一步操作，但对最终观感的提升非常明显。
总结一下，细节缺失的治理思路是三段式：输入端保证真实分辨率与干净背景，生成端在显存允许范围内提高采样步数与几何密度，输出端用修复、细分、法线烘焙的完整后处理链路补齐视觉细节。三个环节环环相扣，任何一环偷懒，最终资产质量都会卡在短板上。