NANO3D: Un enfoque sin entrenamiento para la edición eficiente en 3D sin el uso de máscaras

Resumen

La edición de objetos 3D es fundamental para la creación de contenido interactivo en videojuegos, animación y robótica, sin embargo, los enfoques actuales siguen siendo ineficientes, inconsistentes y, a menudo, no logran preservar las regiones no editadas. La mayoría de los métodos se basan en la edición de representaciones multi-vista seguidas de una reconstrucción, lo que introduce artefactos y limita la practicidad. Para abordar estos desafíos, proponemos Nano3D, un marco de trabajo sin entrenamiento para la edición precisa y coherente de objetos 3D sin el uso de máscaras. Nano3D integra FlowEdit en TRELLIS para realizar ediciones localizadas guiadas por representaciones de vista frontal, y además introduce estrategias de fusión conscientes de la región, Voxel/Slat-Merge, que preservan adaptativamente la fidelidad estructural al garantizar la consistencia entre las áreas editadas y no editadas. Los experimentos demuestran que Nano3D logra una consistencia 3D y una calidad visual superiores en comparación con los métodos existentes. Basado en este marco, construimos el primer conjunto de datos a gran escala para edición 3D, Nano3D-Edit-100k, que contiene más de 100,000 pares de edición 3D de alta calidad. Este trabajo aborda desafíos de larga data tanto en el diseño de algoritmos como en la disponibilidad de datos, mejorando significativamente la generalidad y confiabilidad de la edición 3D, y sentando las bases para el desarrollo de modelos de edición 3D de avance directo. Página del proyecto: 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: Un enfoque sin entrenamiento para la edición eficiente en 3D sin el uso de máscaras

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

Resumen

Support