PartUV: Desempaquetado UV Basado en Partes de Mallas 3D
PartUV: Part-Based UV Unwrapping of 3D Meshes
November 20, 2025
Autores: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu
cs.AI
Resumen
El desarrollo UV aplana superficies 3D a 2D con distorsión mínima, lo que a menudo requiere descomponer la superficie compleja en múltiples *charts* o secciones. Aunque ha sido ampliamente estudiado, los métodos existentes de desarrollo UV frecuentemente presentan dificultades con mallas generadas por IA, que suelen ser ruidosas, irregulares y estar mal condicionadas. Estos métodos a menudo producen *charts* altamente fragmentados y límites subóptimos, introduciendo artefactos y dificultando las tareas posteriores. Presentamos PartUV, una canalización de desarrollo UV basada en partes que genera *charts* significativamente menos numerosos, alineados con las partes y que mantienen una baja distorsión. Construido sobre un método reciente de descomposición en partes basado en aprendizaje, PartField, PartUV combina una descomposición semántica de partes de alto nivel con nuevas heurísticas geométricas en un marco recursivo descendente. Garantiza que la distorsión de cada *chart* se mantenga por debajo de un umbral especificado por el usuario mientras minimiza el número total de *charts*. La canalización integra y extiende algoritmos de parametrización y empaquetamiento, incorpora un manejo dedicado de mallas no múltiples y degeneradas, y está extensamente paralelizada para mayor eficiencia. Evaluado en cuatro conjuntos de datos diversos, que incluyen formas artificiales, CAD, generadas por IA y Formas Comunes, PartUV supera a las herramientas existentes y a los métodos neuronales recientes en recuento de *charts* y longitud de costuras, logra una distorsión comparable, exhibe altas tasas de éxito en mallas desafiantes y permite nuevas aplicaciones como el empaquetamiento multi-baldosa específico por partes. Nuestra página del proyecto está en https://www.zhaoningwang.com/PartUV.
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.