HexaGen3Dは、テキストプロンプトから高品質な3Dアセットを生成するための革新的な手法です。大規模な事前学習済み2D拡散モデルを利用し、事前学習済みテキストツーイメージモデルを微調整することで、6つの直交投影と対応する潜在的な三次元体を同時に予測し、その後、これらの潜在値をデコードしてテクスチャメッシュを生成します。HexaGen3Dはサンプルごとの最適化を必要とせず、テキストプロンプトから7秒以内で高品質かつ多様なオブジェクトを推論でき、既存の方法と比べて、品質と遅延のバランスが優れています。さらに、HexaGen3Dは、新しいオブジェクトや組み合わせに対しても高い汎化能力を備えています。