X-Part: Hochauflösende und strukturkohärente Formzerlegung

X-Part: high fidelity and structure coherent shape decomposition

September 10, 2025

papers.authors: Xinhao Yan, Jiachen Xu, Yang Li, Changfeng Ma, Yunhan Yang, Chunshi Wang, Zibo Zhao, Zeqiang Lai, Yunfei Zhao, Zhuo Chen, Chunchao Guo

cs.AI

papers.abstract

Die Erzeugung von 3D-Formen auf Teilebene ist entscheidend für nachgelagerte Anwendungen wie Mesh-Retopologie, UV-Mapping und 3D-Druck. Bisherige teilbasierte Generierungsmethoden bieten jedoch oft unzureichende Kontrollierbarkeit und leiden unter einer mangelnden semantisch sinnvollen Zerlegung. Aus diesem Grund stellen wir X-Part vor, ein kontrollierbares generatives Modell, das darauf ausgelegt ist, ein ganzheitliches 3D-Objekt in semantisch sinnvolle und strukturell kohärente Teile mit hoher geometrischer Genauigkeit zu zerlegen. X-Part nutzt Begrenzungsrahmen als Eingabeaufforderungen für die Teilgenerierung und fügt punktweise semantische Merkmale für eine sinnvolle Zerlegung ein. Darüber hinaus entwerfen wir eine bearbeitbare Pipeline für die interaktive Teilgenerierung. Umfangreiche experimentelle Ergebnisse zeigen, dass X-Part Spitzenleistungen in der teilbasierten Formgenerierung erreicht. Diese Arbeit etabliert ein neues Paradigma für die Erstellung produktionsreifer, bearbeitbarer und strukturell solider 3D-Assets. Die Codes werden für die öffentliche Forschung freigegeben.

English

Generating 3D shapes at part level is pivotal for downstream applications such as mesh retopology, UV mapping, and 3D printing. However, existing part-based generation methods often lack sufficient controllability and suffer from poor semantically meaningful decomposition. To this end, we introduce X-Part, a controllable generative model designed to decompose a holistic 3D object into semantically meaningful and structurally coherent parts with high geometric fidelity. X-Part exploits the bounding box as prompts for the part generation and injects point-wise semantic features for meaningful decomposition. Furthermore, we design an editable pipeline for interactive part generation. Extensive experimental results show that X-Part achieves state-of-the-art performance in part-level shape generation. This work establishes a new paradigm for creating production-ready, editable, and structurally sound 3D assets. Codes will be released for public research.