Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
IndústriaAnálise · No radarHabr AI→ original

9 de 20 modelos 3D gerados por IA não servem para impressão 3D

Uma rede neural transforma uma imagem em uma bela figura 3D em poucos minutos, mas a impressora precisa de outro tipo de arquivo: estanque, sem furos e sem lixo. O engenheiro Artiom Kuznetsov passou 4 imagens por 5 geradores e obteve 20 modelos; o preparador de impressão Bambu Studio reprovou 9 deles. Entre os defeitos estão um robô do tamanho de um grão de papoula, 93 fragmentos dentro de uma caneca e pés suspensos no ar. Por isso, o arquivo precisa ser verificado antes da impressão, e não pela prévia.

Processado por IA de Habr AI; editado por Hamidun News
9 de 20 modelos 3D gerados por IA não servem para impressão 3D
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
TripoSR (Stability AI e Tripo)modelo aberto, constrói um campo sobre três planos, e a superfície é obtida pelo algoritmo marching cubes.
TRELLIS (Microsoft)modelo aberto baseado em uma grade voxel esparsa; a superfície é construída pelo FlexiCubes.
TRELLIS.2 (Microsoft)nova versão em que a forma é definida sem campo.

Você envia uma foto de uma figura para o gerador, e em alguns minutos um modelo 3D bem-acabado gira na tela. Você baixa o arquivo, abre o fatiador (programa que corta o modelo em camadas e o prepara para a impressora) e lá está um robô do tamanho de um grão de papoula. Esse é o defeito mais inofensivo.

O engenheiro de IA/ML e CTO de uma startup de impressão 3D Artiom Kuznetsov pegou quatro imagens e cinco geradores populares, obteve 20 modelos e os verificou com as regras do fatiador Bambu Studio. Nove dos vinte não passaram: têm furos, lixo interno, tamanho errado ou peças que ficam suspensas no ar. A seguir, o que exatamente quebra, por quê e como identificar isso em poucos minutos.

Como testamos: quatro imagens e cinco geradores

O conjunto de testes foi montado de modo que cada imagem atacasse uma fraqueza conhecida. As imagens foram geradas pelo FLUX.1 [schnell]: assim é mais fácil obter um fundo limpo e a característica desejada. O robô testa peças separadas e uma antena fina. A caneca testa uma alça vazada e o interior oco. Os óculos testam uma armação com a espessura de um fio. O dragão testa membranas finas e espinhos pontiagudos.

São cinco geradores, e eles funcionam de formas diferentes:

  • TripoSR (Stability AI e Tripo): modelo aberto, constrói um campo sobre três planos, e a superfície é obtida pelo algoritmo marching cubes.
  • TRELLIS (Microsoft): modelo aberto baseado em uma grade voxel esparsa; a superfície é construída pelo FlexiCubes.
  • TRELLIS.2 (Microsoft): nova versão em que a forma é definida sem campo.
  • SAM 3D Objects (Meta): modelo aberto que reconstrói objetos individuais de uma cena a partir de uma única imagem.
  • Hunyuan3D 3.1 (Tencent): serviço fechado acessado via API; o funcionamento interno não é divulgado.

Os vinte arquivos foram usados sem nenhum ajuste e verificados pelas regras segundo as quais o Bambu Studio decide se exibe o ícone de aviso. Nove não passaram. O TripoSR reprovou os quatro, o TRELLIS.2 também reprovou os quatro, e o TRELLIS antigo reprovou um (os óculos, com o vértice "amassado"). O SAM 3D Objects e o Hunyuan3D 3.1 são formalmente limpos, mas o SAM apresenta em cada arquivo um conjunto de peças separadas: 23 no robô, 13 na caneca e 12 no dragão. Os óculos foram o caso mais difícil: em três dos cinco geradores, a armação fina se rompeu ou se fundiu.

De onde vêm os defeitos

A maioria dos geradores constrói a forma por meio de um campo: para cada nó da malha 3D, a rede neural determina se o ponto está dentro ou fora do objeto. Depois, a superfície de triângulos é esticada ao longo da fronteira. A malha funciona como uma peneira: tudo o que é mais fino que o passo da célula se perde ou se funde com os vizinhos. É por isso que antenas desaparecem e pernas próximas se unem.

A segunda causa está no treinamento. Muitos modelos comparam renderizações com uma referência em diferentes ângulos, e um furo que não aparece em nenhum ângulo esse treinamento não percebe.

O que aconteceu na prática:

  1. Escala. O formato STL não tem unidades, e todos os 20 modelos foram encaixados em um cubo de aproximadamente um lado. O fatiador interpreta isso como milímetros. O Bambu Studio tenta adivinhar: se o volume for menor que 8 mm³, considera polegadas (multiplica por 25,4); se for menor que 0,008 mm³, considera metros (multiplica por 1000). O robô do TRELLIS.2 acabou com um metro de altura. Nenhum gerador acertou o tamanho.
  2. Lixo interno. A caneca do TripoSR tem 93 partes separadas: a própria caneca e 92 fragmentos dentro dela. A causa é o ruído no campo: o marching cubes envolve cada erro em uma bolha fechada. Há ainda 612 arestas abertas (folgas entre triângulos), mais da metade delas microfolgas invisíveis a olho nu.
  3. Arestas com quatro triângulos. Em uma malha normal, em cada aresta se encontram exatamente dois triângulos. No robô do TRELLIS.2 há 3163 arestas problemáticas, além de 113 partes separadas. O TRELLIS antigo entregou uma malha limpa para o mesmo robô: a nova versão representa melhor a forma complexa, mas estraga a geometria.
  4. Peças suspensas. Os pés do robô estão separados das pernas por 0,5–0,7 mm e não tocam a mesa em 0,15 mm. O fatiador recusou-se a cortar o modelo por causa de uma camada vazia na antena.
  5. Detalhes que estão na textura. O Hunyuan3D 3.1 produziu a geometria mais limpa, mas os olhos e a inscrição no peito existem apenas na textura. Sem ela, restam saliências quase imperceptíveis.

Como verificar em cinco minutos

O ícone de aviso do Bambu Studio não informa nada sobre tamanho, paredes finas e elementos suspensos; por isso, a ordem é esta:

  • abra o STL sem textura: o que não existe no relevo não existirá no plástico;
  • passe o cursor sobre o ícone de aviso e veja o número de arestas abertas;
  • defina o tamanho real em um eixo, mantendo as proporções;
  • selecione Split → To objects: se o modelo se desmontar em dezenas de fragmentos, há lixo interno;
  • fatie e percorra as camadas: um elemento que começa no ar será impresso "no nada".

Para automatizar, basta um script curto em Python com a biblioteca trimesh: ele calcula as dimensões, as arestas abertas, as arestas com três ou mais triângulos e o número de partes separadas. Na caneca do TripoSR, ele registra 612 arestas abertas e 93 partes; no robô do TRELLIS.2, 3163 arestas problemáticas e 113 partes. O script não detecta pés suspensos, detalhes na textura nem o vértice "amassado".

Os pequenos defeitos se corrigem no fatiador ou no Blender (com o 3D Print Toolbox) e no MeshLab, mas a correção automática pode "comer" dedos e antenas junto com o lixo. Os pés suspensos terão de ser movidos manualmente.

Conclusão para quem integra a geração 3D a um produto: a verificação da geometria e a normalização do tamanho devem fazer parte do pipeline, e não ser uma etapa manual antes da impressão. O experimento é pequeno: 20 modelos e uma data de geração, portanto é um recorte, e não um ranking. O autor promete uma continuação: como a arquitetura da rede neural prevê o padrão dos defeitos e o que os fatiadores verificam.

História

Perguntas frequentes sobre a notícia

Como testamos: quatro imagens e cinco geradores?

O conjunto de testes foi montado de modo que cada imagem atacasse uma fraqueza conhecida. As imagens foram geradas pelo FLUX.1 [schnell]: assim é mais fácil obter um fundo limpo e a característica desejada. O robô testa peças separadas e uma antena fina. A caneca testa uma alça vazada e o interior oco. Os óculos testam uma armação com a espessura de um fio. O dragão testa membranas finas e espinhos pontiagudos.

O que se sabe sobre De onde vêm os defeitos?

A maioria dos geradores constrói a forma por meio de um campo: para cada nó da malha 3D, a rede neural determina se o ponto está dentro ou fora do objeto. Depois, a superfície de triângulos é esticada ao longo da fronteira. A malha funciona como uma peneira: tudo o que é mais fino que o passo da célula se perde ou se funde com os vizinhos. É por isso que antenas desaparecem e pernas próximas se unem. A segunda causa está no treinamento.

Como verificar em cinco minutos?

O ícone de aviso do Bambu Studio não informa nada sobre tamanho, paredes finas e elementos suspensos; por isso, a ordem é esta: abra o STL sem textura: o que não existe no relevo não existirá no plástico; passe o cursor sobre o ícone de aviso e veja o número de arestas abertas; defina o tamanho real em um eixo, mantendo as proporções; selecione Split → To objects: se o modelo se desmontar em dezenas de fragmentos, há lixo interno; fatie e percorra as camadas: um elemento que começa no ar será impresso "no nada".

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…