PartUV: Part-basiertes UV-Unfolding von 3D-Meshes
PartUV: Part-Based UV Unwrapping of 3D Meshes
November 20, 2025
papers.authors: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu
cs.AI
papers.abstract
UV-Unwrapping glättet 3D-Oberflächen mit minimaler Verzerrung zu 2D-Flächen, was häufig die Zerlegung der komplexen Oberfläche in mehrere Charts erfordert. Obwohl intensiv erforscht, haben bestehende UV-Unwrapping-Methoden häufig Schwierigkeiten mit KI-generierten Gitternetzen, die typischerweise verrauscht, uneben und schlecht konditioniert sind. Diese Methoden erzeugen oft stark fragmentierte Charts und suboptimale Grenzen, was Artefakte verursacht und nachgelagerte Aufgaben behindert. Wir stellen PartUV vor, einen teilbasierten UV-Unwrapping-Prozess, der deutlich weniger, an Teilen ausgerichtete Charts erzeugt und dabei eine geringe Verzerrung beibehält. Aufbauend auf einer recenten lernbasierten Methodik zur Teilzerlegung (PartField) kombiniert PartUV hochlevelige semantische Teilzerlegung mit neuartigen geometrischen Heuristiken in einem top-down-rekursiven Framework. Es stellt sicher, dass die Verzerrung jedes Charts unter einem benutzerdefinierten Schwellenwert bleibt, während die Gesamtanzahl der Charts minimiert wird. Die Pipeline integriert und erweitert Parametrisierungs- und Packungsalgorithmen, beinhaltet eine spezielle Behandlung nicht-manifolder und degenerierter Gitter und ist umfassend parallelisiert für Effizienz. Ausgewertet über vier diverse Datensätze – including menschengemachte Objekte, CAD-, KI-generierte und Common Shapes – übertrifft PartUV bestehende Tools und recente neuronale Methoden in Chart-Anzahl und Nahtlänge, erreicht vergleichbare Verzerrung, zeigt hohe Erfolgsraten bei anspruchsvollen Gitternetzen und ermöglicht neue Anwendungen wie teil-spezifisches Multi-Tiles-Packing. Unsere Projektseite ist unter https://www.zhaoningwang.com/PartUV zu finden.
English
UV unwrapping flattens 3D surfaces to 2D with minimal distortion, often requiring the complex surface to be decomposed into multiple charts. Although extensively studied, existing UV unwrapping methods frequently struggle with AI-generated meshes, which are typically noisy, bumpy, and poorly conditioned. These methods often produce highly fragmented charts and suboptimal boundaries, introducing artifacts and hindering downstream tasks. We introduce PartUV, a part-based UV unwrapping pipeline that generates significantly fewer, part-aligned charts while maintaining low distortion. Built on top of a recent learning-based part decomposition method PartField, PartUV combines high-level semantic part decomposition with novel geometric heuristics in a top-down recursive framework. It ensures each chart's distortion remains below a user-specified threshold while minimizing the total number of charts. The pipeline integrates and extends parameterization and packing algorithms, incorporates dedicated handling of non-manifold and degenerate meshes, and is extensively parallelized for efficiency. Evaluated across four diverse datasets, including man-made, CAD, AI-generated, and Common Shapes, PartUV outperforms existing tools and recent neural methods in chart count and seam length, achieves comparable distortion, exhibits high success rates on challenging meshes, and enables new applications like part-specific multi-tiles packing. Our project page is at https://www.zhaoningwang.com/PartUV.