NANO3D: Ein trainingsfreier Ansatz für effiziente 3D-Bearbeitung ohne Masken

papers.abstract

Die Bearbeitung von 3D-Objekten ist entscheidend für die Erstellung interaktiver Inhalte in den Bereichen Gaming, Animation und Robotik. Dennoch sind aktuelle Ansätze ineffizient, inkonsistent und scheitern oft daran, unveränderte Bereiche zu bewahren. Die meisten Methoden basieren auf der Bearbeitung von Multi-View-Renderings, gefolgt von einer Rekonstruktion, was Artefakte einführt und die Praktikabilität einschränkt. Um diese Herausforderungen zu bewältigen, schlagen wir Nano3D vor, ein trainingsfreies Framework für präzise und kohärente 3D-Objektbearbeitung ohne Masken. Nano3D integriert FlowEdit in TRELLIS, um lokalisierte Bearbeitungen anhand von Front-View-Renderings durchzuführen, und führt zusätzlich regionsbewusste Merging-Strategien ein, Voxel/Slat-Merge, die die strukturelle Treue adaptiv bewahren, indem sie die Konsistenz zwischen bearbeiteten und unveränderten Bereichen sicherstellen. Experimente zeigen, dass Nano3D im Vergleich zu bestehenden Methoden eine überlegene 3D-Konsistenz und visuelle Qualität erreicht. Basierend auf diesem Framework erstellen wir den ersten groß angelegten 3D-Bearbeitungsdatensatz Nano3D-Edit-100k, der über 100.000 hochwertige 3D-Bearbeitungspaare enthält. Diese Arbeit adressiert langjährige Herausforderungen sowohl im Algorithmen-Design als auch in der Datenverfügbarkeit, verbessert die Allgemeingültigkeit und Zuverlässigkeit der 3D-Bearbeitung erheblich und legt die Grundlage für die Entwicklung von Feed-Forward-3D-Bearbeitungsmodellen. Projektseite: https://jamesyjl.github.io/Nano3D

English

3D object editing is essential for interactive content creation in gaming, animation, and robotics, yet current approaches remain inefficient, inconsistent, and often fail to preserve unedited regions. Most methods rely on editing multi-view renderings followed by reconstruction, which introduces artifacts and limits practicality. To address these challenges, we propose Nano3D, a training-free framework for precise and coherent 3D object editing without masks. Nano3D integrates FlowEdit into TRELLIS to perform localized edits guided by front-view renderings, and further introduces region-aware merging strategies, Voxel/Slat-Merge, which adaptively preserve structural fidelity by ensuring consistency between edited and unedited areas. Experiments demonstrate that Nano3D achieves superior 3D consistency and visual quality compared with existing methods. Based on this framework, we construct the first large-scale 3D editing datasets Nano3D-Edit-100k, which contains over 100,000 high-quality 3D editing pairs. This work addresses long-standing challenges in both algorithm design and data availability, significantly improving the generality and reliability of 3D editing, and laying the groundwork for the development of feed-forward 3D editing models. Project Page:https://jamesyjl.github.io/Nano3D

NANO3D: Ein trainingsfreier Ansatz für effiziente 3D-Bearbeitung ohne Masken

NANO3D: A Training-Free Approach for Efficient 3D Editing Without Masks

papers.abstract

Support