diff --git a/docs.json b/docs.json
index a43b6a7ca..2f9f8f729 100644
--- a/docs.json
+++ b/docs.json
@@ -285,6 +285,8 @@
"tutorials/3d/hunyuan3D-2"
]
},
+ "tutorials/3d/pixal3d",
+ "tutorials/3d/trellis2",
{
"group": "LLM",
"pages": [
@@ -419,7 +421,8 @@
]
}
]
- }
+ },
+ "tutorials/utility/sam3d-body"
]
},
{
@@ -3239,6 +3242,8 @@
"zh/tutorials/3d/hunyuan3D-2"
]
},
+ "zh/tutorials/3d/pixal3d",
+ "zh/tutorials/3d/trellis2",
{
"group": "LLM",
"pages": [
@@ -3373,7 +3378,8 @@
]
}
]
- }
+ },
+ "zh/tutorials/utility/sam3d-body"
]
},
{
@@ -6213,6 +6219,8 @@
"ja/tutorials/3d/hunyuan3D-2"
]
},
+ "ja/tutorials/3d/pixal3d",
+ "ja/tutorials/3d/trellis2",
{
"group": "LLM",
"pages": [
@@ -6348,7 +6356,8 @@
]
}
]
- }
+ },
+ "ja/tutorials/utility/sam3d-body"
]
},
{
@@ -9265,6 +9274,8 @@
"ko/tutorials/3d/hunyuan3D-2"
]
},
+ "ko/tutorials/3d/pixal3d",
+ "ko/tutorials/3d/trellis2",
{
"group": "LLM",
"pages": [
@@ -9398,7 +9409,8 @@
]
}
]
- }
+ },
+ "ko/tutorials/utility/sam3d-body"
]
},
{
diff --git a/ja/tutorials/3d/pixal3d.mdx b/ja/tutorials/3d/pixal3d.mdx
new file mode 100644
index 000000000..bfeda8211
--- /dev/null
+++ b/ja/tutorials/3d/pixal3d.mdx
@@ -0,0 +1,114 @@
+---
+title: "Pixal3D 画像からモデルへの ComfyUI ワークフロー例"
+description: "Pixal3D を使用して、1枚の画像からフル PBR テクスチャ付きの高忠実度 3Dモデルを生成します。Pixal3D は、Tencent ARC によるピクセル位置合わせ型の画像から 3Dモデルへの変換モデルです。"
+sidebarTitle: "Pixal3D"
+translationSourceHash: b46ae7b5
+translationFrom: tutorials/3d/pixal3d.mdx
+translationBlockHashes:
+ "_intro": ebe506d7
+ "How it works": 30b7a245
+ "Steps to run": 1a7d044c
+ "Model downloads": 890d9666
+---
+import UpdateReminder from "/snippets/ja/tutorials/update-reminder.mdx"
+
+**Pixal3D** は、Tencent ARC が開発したオープンソースの画像-to-3Dモデルで、SIGGRAPH 2026 で発表されました。単一の画像を、完全なPBRマテリアルを備えた高忠実度の3Dアセットに変換します。
+
+ほとんどの3Dネイティブジェネレーターは、正準空間で形を合成し、アテンションを通じて画像の手がかりを注入するため、ピクセルと3Dの対応関係があいまいになります。一方、Pixal3D はピクセル整合生成を採用しています。バックプロジェクションによってピクセルと3Dの直接的な対応関係を確立するため、生成済みモデルの正面は入力画像と1:1で一致し、テクスチャのゆがみやずれが発生しません。
+
+### Pixal3D: 画像からモデルへ {#pixal3d}
+
+単一の画像をアップロードします。入力ビューに合わせて、完全なPBRテクスチャを持つ高忠実度の3Dモデルを生成します。
+
+このワークフローには TRELLIS.2 パイプラインも含まれています。`Boolean (Switch to Trellis2)` ノードはデフォルトで `false` となり、ここで説明する Pixal3D パイプラインが実行され、Pixal3D モデルも自動的に読み込まれます。
+
+
+
+
+
+
+
+ このワークフローをComfy Cloudで即座に実行
+
+
+ JSONをダウンロードするか、テンプレートライブラリで「Pixal3D & TRELLIS.2: Image to Model」を検索してください
+
+
+
+**入力マテリアル**
+
+このファイルを `LoadImage` ノードにアップロードしてください：
+
+
+
+ `LoadImage` ノード122 · `viking_wolf_rune_axe.png`
+
+
+
+
+
+
+
+
+
+
+
+
+
+ このワークフローを Comfy Cloud ですぐに実行
+
+
+ JSON をダウンロードするか、テンプレートライブラリで "SAM 3D Body: 3D Human Mesh Extraction From Video" を検索してください
+
+
+
+**入力素材**
+
+このファイルを `LoadVideo` ノードにアップロードします：
+
+
+
+ `LoadVideo` ノード 85 · `woman_holding_water_glass.mp4`
+
+
+
+## 動作の仕組み
+
+1. **ビデオ追跡**: SAM3がビデオのフレーム全体で人物を追跡します。追跡は、クリップに複数の人物が写っている場合には実質的に必須であり、一般的に検出精度も向上させます
+2. **人物検出**: RT-DETRがテキストプロンプト（`person`）に基づいて人物のバウンディングボックスを検出します
+3. **メッシュ予測**: SAM 3D Bodyが追跡されたフレームから全身の3Dメッシュを予測します。オプションのMoGeカメラ視野角（FOV）を使用すると、ソースビデオとの位置合わせをより正確に行えます
+4. **表情**: MediaPipeベースのステップが表情を追加します。ベースモデルでは表情が検出されないためです
+5. **スムージング**: メッシュシーケンスを時間経過に沿って平滑化します
+6. **レンダリング**: ポーズファイル（GLB）を構築し、メッシュをビデオに再レンダリングして、出力ビデオとして保存します
+
+## 実行手順
+
+1. **ビデオを読み込む**: `LoadVideo` ノードを使用して人物のビデオを読み込みます
+2. **ワークフローをキューに入れる**: Ctrl（macOSではCmd）+ Enterキーを押します
+3. **パイプラインの完了を待つ**: トラッキング、検出、メッシュ予測、レンダリングが順番に実行されます
+4. **結果を確認する**: `Preview3D` ノードでメッシュを確認します。オーバーレイビデオは `ComfyUI/output/video/SAM3D_body/` に保存されます
+
+## モデルのダウンロード
+
+SAM 3D Body モデルと必要なファイルをダウンロードし、対応する `models/` サブディレクトリに配置します。
+
+
+
+ sam3.1_multiplex_fp16.safetensors: 動画トラッキング用の SAM3 multiplex チェックポイント
+
+
+ sam_3d_body_dinov3_bf16.safetensors: SAM 3D Body 検出モデル (DINOv3 バックボーン)
+
+
+ moge_2_vitl_normal_fp16.safetensors: オプション。位置合わせ用のカメラ FOV 推定
+
+
+ rt_detr_v4-x-hgnet_fp32.safetensors: RT-DETR 人物検出モデル
+
+
+
+### モデルの保存場所
+
+```
+📂 ComfyUI/
+├── 📂 models/
+│ ├── 📂 checkpoints/
+│ │ └── sam3.1_multiplex_fp16.safetensors
+│ ├── 📂 detection/
+│ │ └── sam_3d_body_dinov3_bf16.safetensors
+│ ├── 📂 geometry_estimation/
+│ │ └── moge_2_vitl_normal_fp16.safetensors
+│ └── 📂 diffusion_models/
+│ └── rt_detr_v4-x-hgnet_fp32.safetensors
+```
diff --git a/ko/tutorials/3d/pixal3d.mdx b/ko/tutorials/3d/pixal3d.mdx
new file mode 100644
index 000000000..cd16d0598
--- /dev/null
+++ b/ko/tutorials/3d/pixal3d.mdx
@@ -0,0 +1,115 @@
+---
+title: "Pixal3D 이미지 기반 3D 모델 생성 ComfyUI 워크플로 예제"
+description: "Tencent ARC의 픽셀 정렬 이미지 기반 3D 생성 모델인 Pixal3D를 사용해 단일 이미지에서 전체 PBR 텍스처가 포함된 고충실도 3D 모델을 생성하세요."
+sidebarTitle: "Pixal3D"
+translationSourceHash: b46ae7b5
+translationFrom: tutorials/3d/pixal3d.mdx
+translationBlockHashes:
+ "_intro": ebe506d7
+ "How it works": 30b7a245
+ "Steps to run": 1a7d044c
+ "Model downloads": 890d9666
+---
+import UpdateReminder from "/snippets/ko/tutorials/update-reminder.mdx"
+
+**Pixal3D**는 SIGGRAPH 2026에서 발표된 Tencent ARC의 오픈소스 이미지 기반 3D 생성 모델입니다. 단일 이미지를 전체 PBR 재질을 갖춘 고품질 3D 에셋으로 변환합니다.
+
+대부분의 3D 네이티브 생성기는 형태를 캐노니컬 공간에서 합성하고 어텐션을 통해 이미지 신호를 주입하므로 픽셀-3D 연관성이 모호해집니다. 반면 Pixal3D는 픽셀 정렬 생성(pixel-aligned generation) 방식을 사용합니다. 역투영(back-projection)을 통해 픽셀-3D 대응 관계를 직접 설정하므로, 생성된 모델의 전면이 입력 이미지와 1:1로 일치하며 텍스처가 왜곡되거나 정렬이 어긋나지 않습니다.
+
+### Pixal3D: 이미지를 3D 모델로 {#pixal3d}
+
+단일 이미지를 업로드하세요. 입력 뷰에 정렬된 전체 PBR 텍스처를 갖춘 고품질 3D 모델을 생성합니다.
+
+이 워크플로에는 TRELLIS.2 파이프라인도 포함되어 있습니다. `Boolean (Switch to Trellis2)` 노드는 기본값이 `false`이며, 여기서 설명하는 Pixal3D 파이프라인이 실행되고 Pixal3D 모델도 자동으로 로드됩니다.
+
+
+
+
+
+
+
+ 이 워크플로를 Comfy Cloud에서 즉시 실행하세요
+
+
+ JSON을 다운로드하거나 템플릿 라이브러리에서 "Pixal3D & TRELLIS.2: Image to Model"을 검색하세요
+
+
+
+**입력 파일**
+
+이 파일을 `LoadImage` 노드에 업로드하세요:
+
+
+
+ `LoadImage` 노드 122 · `viking_wolf_rune_axe.png`
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+