메시 7, 이미지-3D 정렬에 대한 새로운 기준을 설정하다

Meshy 가 새로운 이미지 기반 3D 생성 파운데이션 모델인 Meshy 7을 출시했습니다. 이번 출시에는 그동안 3D 생성 분야에 부족했던 평가 방식도 함께 소개됐습니다. 생성한 모델을 정답이 알려진 모델과 직접 비교해 점수를 매기는 기하 형상 벤치마크입니다. 2026년 8월 12일 공개한 회사 발표에 따르면 Meshy 7은 다른 3D 파운데이션 모델 4개와 비교한 시험에서 세 가지 정합성 지표 모두 1위를 기록했습니다. 전체 비율은 81.0%, 공간 분포는 79.7%, 표면 세부 형상은 59.8%였습니다.

이번 출시는 이미지 기반 3D 생성 평가가 무엇을 측정해야 하는지에 관한 하나의 주장에 초점을 맞춥니다. 초기에는 표면이 깨지거나 구조가 뒤섞이거나 팔다리가 누락되는 등 실패가 명백했습니다. 회사는 이제 주요 모델에서 이런 문제가 충분히 드물어져 단순히 망가지지 않는 것만으로는 차별화하기 어렵다고 설명합니다. 남은 문제는 더 미묘합니다. 생성된 에셋이 그럴듯해 보여도 몸통이 조금 넓거나 손 위치가 어긋나거나 원본 이미지의 새겨진 선이 사라지는 등 참조 대상을 제대로 재현하지 못할 수 있습니다. Meshy는 이를 정합성 문제로 부르며 Meshy 7을 이 특성에 맞춰 학습하고 평가했습니다.

정답이 알려진 벤치마크

성능 주장보다 평가 방법론을 먼저 보는 사람에게 이번 발표에서 더 흥미로운 부분은 벤치마크의 구성입니다. 사람의 선호도 점수도, 시각·언어 모델의 판정도 사용하지 않습니다. 학습에 포함하지 않은 참조 3D 모델을 알려진 카메라 설정으로 렌더링해 입력 이미지를 만듭니다. 각 생성 모델이 이 이미지에서 3D 결과물을 만들면 원래 참조 모델의 기하 형상과 직접 비교합니다. 따라서 모든 시험 이미지에는 알려진 3D 정답이 있습니다.

핵심은 두 가지 설계 선택입니다. 렌더링된 이미지끼리 비교하는 대신 생성 형상과 참조 형상을 비교하면 먼저 원본 카메라 설정을 추정할 필요가 없어, 카메라 추정 오차가 측정하려는 형상 오차에 섞이지 않습니다. 또 점수를 매기기 전에 각 생성물을 참조 모델에 맞출 때는 평행이동, 회전, 균일한 배율 조정만 허용합니다. 특정 축 방향으로만 늘리는 변형은 허용하지 않으므로 평가 도구가 모델 자체의 비율 오류를 지워 버릴 수 없습니다. 전체 구조에서 미세한 형상 차이까지 세 수준에서 일치도를 측정합니다. 참조 대상은 캐릭터, 차량, 조각상, 가느다란 구조를 가진 소품을 포함하며, 입력 조건은 정면 한 장, 위쪽 사선에서 내려다본 한 장, 네 방향 이미지를 합친 경우의 세 가지입니다.

이 수치는 업체가 직접 설계한 벤치마크에서 자체 보고한 결과이므로 일반적인 신중한 해석이 필요합니다. 다만 학습에서 제외한 참조 모델, 직접적인 형상 비교, 축별 배율 조정 금지라는 설계는 정직한 측정에 적합합니다. Meshy는 출시 후 벤치마크를 별도로 공개하겠다고 밝혔습니다. 공개되면 외부 연구소도 자체 모델을 같은 방식으로 평가할 수 있습니다.

Meshy 7의 격차가 가장 큰 영역

최상위 수치보다 결과의 양상이 더 중요합니다. 주요 모델의 전체 비율 점수는 이미 비슷해 이 지표에서의 우위가 갖는 의미는 작습니다. 단일 이미지 입력에서 시험한 모델 중 표면 세부 형상 점수가 60%에 도달한 모델은 없었습니다. Meshy 7이 가장 크게 앞선 것도 이 영역으로, 가장 가까운 경쟁 모델보다 5.3%포인트 높았습니다. 다른 두 지표 각각에서의 격차보다 두 배 이상 큽니다. 회사에 따르면 단일 이미지 조건 중 가장 엄격한 정면 입력에서도 Meshy 7이 종합 점수와 개별 지표 모두에서 앞섰습니다.

네 방향 이미지를 쓰면 모델 간 격차가 줄어듭니다. 모든 모델이 개선되며, 추가 시점은 보이지 않는 형상의 영향을 가장 많이 받는 공간 분포와 표면 세부 형상에 특히 도움이 됩니다. 선두 모델들은 서로 약 2%포인트 이내로 가까워집니다. 가장 가까운 경쟁 모델이 Meshy 7을 뚜렷하게 앞서기보다는 따라잡는 양상입니다. 회사는 단일 이미지 입력이 시스템 간 차이가 드러나는 조건인 동시에 대부분의 사용자가 실제로 사용하는 조건이라고 설명합니다. Meshy 7은 전작 Meshy 6보다 기하 형상과 텍스처 정합성이 모두 개선됐으며, 텍스처는 별도로 측정했습니다.

Meshy는 개선의 원인으로 세 가지 변화를 꼽습니다. 이미지 인코더는 이제 여러 스케일에서 입력을 읽고 더 높은 해상도를 받아들여, 미세한 형상 정보가 평균화되어 사라지지 않고 생성 단계까지 살아남게 합니다. 학습 데이터는 스타일·조명·배경을 제거하고 각 샘플이 목표 형상과 정확히 대응하도록 재구축했습니다. 또한 기하 형상 정합성을 마지막에만 평가하는 대신 매 학습 주기 안에서 추적하는 신호로 삼았습니다. 사용자가 중요하게 여기는 성능과 개발팀이 최적화하는 수치가 같아진 것입니다.

회사가 함께 공개한 정성적 사례도 이 지표와 연결됩니다. 인물 흉상에서는 웃을 때 볼이 올라가고 웃음 주름이 깊어지는 동안 머릿수건과 옷은 안정적으로 유지됩니다. 작은 형상 변화가 보존되는지를 보여 주는 사례입니다. 겹겹의 날개 갑옷, 드러난 톱니바퀴, 가느다란 다리로 구성된 태엽 장치 부엉이에서는 부품이 서로 구별되며 콘셉트 이미지에 맞는 위치를 유지합니다. 옥으로 만든 메달에서는 촘촘하고 얕은 부조가 조각조각 끊어지지 않고 이미지가 나타내는 깊이에서 연속적으로 유지됩니다.

현재 제공 범위와 향후 계획

Meshy 7은 2026년 8월 10일 모든 Meshy 구독 등급에 공개됐으며 회사 웹사이트도 이번 출시를 전면에 내세우고 있습니다. 생성 모델을 다운로드하려면 Pro 이상 등급이 필요합니다. Ultra Mode는 현재 단일 이미지 생성을 지원하며 다중 시점 지원도 곧 추가될 예정입니다. 회사 자체 결과에서 네 방향 입력이 모델 간 격차를 크게 줄였다는 점에서 주목할 부분입니다.

이후 예정된 두 가지 공개를 지켜볼 필요가 있습니다. 발표에서 설명한 기하 형상 벤치마크는 출시 후 별도로 공개됩니다. 또한 이미지 기반 3D 정합성에는 형상뿐 아니라 색상·재질·패턴도 중요하므로 전용 텍스처 정합성 벤치마크가 뒤따를 예정입니다. 평가 도구를 공개해야 업체의 주장이 다른 연구소도 검증하고 비교할 수 있는 수치가 됩니다.

이번 출시는 3D 파운데이션 모델 시장이 소수의 주요 기업을 중심으로 재편되는 가운데 나왔습니다. 이 분야가 상호작용 가능한 세계 생성으로 나아가는 흐름 속에서 Tripo AI는 2026년 7월 1억 5,000만 달러를 조달했으며 , Meshy도 올여름 초 15억 달러의 기업가치로 진행한 시리즈 B에서 4억 달러에 가까운 자금을 조달했습니다. Unite.AI의 Meshy 직접 사용 리뷰 는 이번 출시가 겨냥하는 바로 그 작업, 즉 하나의 2D 콘셉트를 활용 가능한 에셋으로 바꾸는 과정에서 플랫폼의 강점을 확인했습니다. Meshy 7의 핵심 주장에 대한 독립적인 검증은 벤치마크가 공개될 때 가능해집니다. Meshy가 선택하지 않은 참조 대상에서도 정합성 우위가 유지되는지가 관건입니다.