---
title: "SAM 3D Objects: tecnologia de imagem para 3D e benchmarks — Segmentit"
description: "Entenda SAM 3D Objects e Body, reconstrução 3D a partir de uma única imagem e os benchmarks SA-3DAO em comparação com TRELLIS e Hunyuan3D. Explore o fluxo do Segmentit."
lang: "pt-BR"
canonical: "https://segmentit.com/pt-BR/sam-3d/"
---

# SAM 3D. Dê volume à sua foto.

Explore o modelo de reconstrução a partir de uma única imagem da Meta, como ele cria objetos e seus resultados publicados em comparação com TRELLIS, Hunyuan3D e outros métodos de imagem para 3D.

[Experimentar o Studio](https://segmentit.com/app?lang=pt-BR) [Explorar benchmarks](https://segmentit.com/pt-BR/sam-3d/#benchmarks)

[![Fluxo de objetos no Segmentit Studio](https://segmentit.com/images/blog/studio-monument.png)](https://segmentit.com/app?lang=pt-BR) [Abrir o Studio](https://segmentit.com/app?lang=pt-BR)

Um guia independente do Segmentit. SAM 3 e SAM 3D são desenvolvidos pela Meta; o Segmentit não tem afiliação com a Meta.

## O que é SAM 3D?

SAM 3D, também pesquisado como SAM3D, é uma família de modelos da Meta para reconstruir 3D a partir de uma imagem. SAM 3D Objects estima geometria, textura e disposição dos objetos. SAM 3D Body é um modelo separado para forma e pose do corpo humano. O fluxo de objetos do Segmentit usa Objects.

[Meta · SAM 3D ↗](https://ai.meta.com/research/sam3d/)

### SAM 3

Imagem → máscara 2D

### SAM 3D Objects

Imagem + máscara → objeto 3D

Uma seleção precisa e uma reconstrução em volume atendem a necessidades diferentes. Escolher o objeto certo vem antes da forma, da textura e da composição da cena. [Explorar SAM 3](https://segmentit.com/pt-BR/sam-3/).

### Os modelos comparados

-   [TRELLISMicrosoft · Tsinghua · USTC](https://microsoft.github.io/TRELLIS/)
-   [Hunyuan3D-2.1Tencent](https://github.com/Tencent/Hunyuan3D-2)
-   [Hunyuan3D-2.0Tencent](https://github.com/Tencent/Hunyuan3D-2)
-   [Direct3D-S2Nanjing · DreamTech · Fudan · Oxford](https://arxiv.org/html/2505.17412v1)
-   [TripoSGVAST / Tripo](https://github.com/VAST-AI-Research/TripoSG)
-   [Hi3DGenByteDance · CUHK Shenzhen · Tsinghua](https://github.com/bytedance/Hi3DGen)
-   [SAM 3DMeta](https://github.com/facebookresearch/sam-3d-objects)

Países das organizações e colaborações. Cada modelo leva ao seu projeto oficial.

## SAM 3D Objects ou Body?

### Objetos e cenas

**SAM 3D Objects**

Reconstrua a geometria, a aparência e a posição de um objeto a partir de uma imagem.

### Pessoas e poses

**SAM 3D Body**

Estime a forma e a pose do corpo humano. Um modelo separado para uma tarefa diferente.

### Seleção antes da reconstrução

**SAM 3 → SAM 3D**

Identifique o objeto em 2D e use a máscara para orientar sua reconstrução.

## Escolha seu fluxo criativo

Comece com um objeto para um jogo, uma peça decorativa para uma cena ou um produto para explorar por outro ângulo. Uma imagem de referência nítida facilita a avaliação da forma gerada.

[Selecione um objeto](https://segmentit.com/pt-BR/docs/select-an-object/) [Criar em 3D](https://segmentit.com/pt-BR/docs/generate-3d/) [Baixar e exportar](https://segmentit.com/pt-BR/docs/download-and-export/)

## Como funciona SAM 3D?

### Imagem + máscara

A imagem original fornece contexto; a máscara identifica o objeto a reconstruir.

### Geometria + pose

Uma primeira etapa generativa estima forma e posição. As superfícies ocultas são inferidas a partir de padrões visuais aprendidos.

### Textura + refinamento

Uma segunda etapa refina a aparência e os detalhes. O pipeline de pesquisa aceita representações por malha e gaussianas.

Arquitetura do modelo de pesquisa. Recursos de vídeo, representações e ferramentas disponíveis em um aplicativo podem variar. [Código oficial ↗](https://github.com/facebookresearch/sam-3d-objects)

## SAM 3D em comparação com métodos anteriores de imagem para 3D

SA-3DAO · Reconstrução de forma · F1@0.01 · Quanto maior, melhor

F1@0.01 · 0 → 0.25

TRELLIS

**0,1475**

Hunyuan3D-2.1

**0,1399**

Hunyuan3D-2.0

**0,1574**

Direct3D-S2

**0,1513**

TripoSG

**0,1533**

Hi3DGen

**0,1629**

SAM 3D

**0,2344**

**Dados e métricas**

**SA-3DAO · Table 2**

| Modelo | F1@0.01 ↑ | vIoU ↑ | Chamfer ↓ | EMD ↓ |
| --- | --- | --- | --- | --- |
| TRELLIS | 0,1475 | 0,1392 | 0,0902 | 0,2131 |
| Hunyuan3D-2.1 | 0,1399 | 0,1266 | 0,1126 | 0,2432 |
| Hunyuan3D-2.0 | 0,1574 | 0,1504 | 0,0866 | 0,2049 |
| Direct3D-S2 | 0,1513 | 0,1465 | 0,0962 | 0,2160 |
| TripoSG | 0,1533 | 0,1445 | 0,0844 | 0,2057 |
| Hi3DGen | 0,1629 | 0,1531 | 0,0937 | 0,2134 |
| SAM 3D | 0,2344 | 0,2311 | 0,0400 | 0,1211 |

F1: precisão e revocação de superfície no limiar 0,01. vIoU: sobreposição volumétrica. Chamfer e EMD: distâncias geométricas (quanto menor, melhor). Valores brutos do artigo, não porcentagens de sucesso.

Fonte: [SAM 3D Team et al. · Table 2 · arXiv v1 (2025) ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

SAM 3D obtém 0,2344 em F1@0.01 nesta comparação. São resultados publicados no artigo sobre SA-3DAO, não um ranking dos produtos comerciais atuais nem um benchmark feito pelo Segmentit.

### Sobreposição de volume

O quanto o volume previsto corresponde à referência. Quanto maior, melhor.

vIoU ↑0 → 0,25

**TRELLIS**

**0,1392**

**Hunyuan3D-2.1**

**0,1266**

**Hunyuan3D-2.0**

**0,1504**

**Direct3D-S2**

**0,1465**

**TripoSG**

**0,1445**

**Hi3DGen**

**0,1531**

**SAM 3D**

**0,2311**

[Dados publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Distância de superfície

Distância geométrica até a superfície de referência. Quanto menor, melhor.

Chamfer ↓0 → 0,12

**TRELLIS**

**0,0902**

**Hunyuan3D-2.1**

**0,1126**

**Hunyuan3D-2.0**

**0,0866**

**Direct3D-S2**

**0,0962**

**TripoSG**

**0,0844**

**Hi3DGen**

**0,0937**

**SAM 3D**

**0,0400**

[Dados publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Alinhamento da forma geral

Distância entre distribuições de pontos. Quanto menor, melhor.

EMD ↓0 → 0,25

**TRELLIS**

**0,2131**

**Hunyuan3D-2.1**

**0,2432**

**Hunyuan3D-2.0**

**0,2049**

**Direct3D-S2**

**0,2160**

**TripoSG**

**0,2057**

**Hi3DGen**

**0,2134**

**SAM 3D**

**0,1211**

[Dados publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Como interpretar os resultados

Uma comparação histórica das versões avaliadas nas publicações de 2025, revisada em 7 de outubro de 2026. Conjuntos de dados, instruções e métricas determinam o que é medido. Essas pontuações não preveem o tempo de geração nem a qualidade de cada foto no Segmentit.

## Da pesquisa à sua próxima criação.

Leve uma foto ao Segmentit, isole o objeto e inicie a geração 3D. Inspecione o resultado no Studio e baixe um GLB para sua próxima cena. A seleção e o modelo ficam juntos no projeto.

[Começar a criar](https://segmentit.com/app?lang=pt-BR) [Explorar o fluxo de trabalho](https://segmentit.com/pt-BR/services/photo-to-3d/)

## Perguntas sobre SAM 3D

**SAM 3 ou SAM 3D: de qual preciso?**

Use segmentação para escolher o objeto em uma imagem e reconstrução para criar seu volume. SAM 3 e SAM 3D são tecnologias complementares, não duas versões da mesma tarefa.

**O que é SA-3DAO?**

O benchmark da Meta combina imagens do mundo real com formas criadas por artistas 3D profissionais. A publicação descreve 100 pares públicos de imagem/3D e 900 pares reservados para a competição do benchmark.

**Como devo usar um objeto reconstruído?**

Trate-o como um asset criativo: inspecione todos os lados, defina a escala para a cena e ajuste os materiais na sua ferramenta 3D. Uma única imagem oferece um ponto de partida útil, enquanto os detalhes não visíveis continuam sendo inferidos.

## Fontes e documentação

-   [Meta · SAM 3D](https://ai.meta.com/research/sam3d/)
-   [Artigo de pesquisa · SAM 3D](https://arxiv.org/html/2511.16624v1)
-   [Código oficial · SAM 3D Objects](https://github.com/facebookresearch/sam-3d-objects)
-   [Meta · Conjunto de dados SA-3DAO](https://ai.meta.com/datasets/sa-3dao-sam-3d-artist-objects-downloads/)

Revisado 7 de outubro de 2026 · Redação do Segmentit