Interp3D: Interpolación Consciente de Correspondencias para la Morfogénesis Generativa Texturizada en 3D

Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing

January 20, 2026

Autores: Xiaolu Liu, Yicong Li, Qiyuan He, Jiayin Zhu, Wei Ji, Angela Yao, Jianke Zhu

cs.AI

Resumen

La morfología 3D texturizada busca generar transiciones suaves y plausibles entre dos activos 3D, preservando tanto la coherencia estructural como la apariencia de grano fino. Esta capacidad es crucial no solo para avanzar en la investigación de generación 3D, sino también para aplicaciones prácticas en animación, edición y creación de contenido digital. Los enfoques existentes operan directamente sobre la geometría, limitándolos a la morfología exclusiva de formas mientras ignoran las texturas, o extienden estrategias de interpolación 2D al 3D, lo que a menudo causa ambigüedad semántica, desalineación estructural y desenfoque de texturas. Estos desafíos subrayan la necesidad de preservar conjuntamente la consistencia geométrica, la alineación de texturas y la robustez durante todo el proceso de transición. Para abordarlo, proponemos Interp3D, un novedoso marco de trabajo libre de entrenamiento para la morfología 3D texturizada. Este aprovecha *priors* generativos y adopta un principio de alineación progresiva para garantizar tanto la fidelidad geométrica como la coherencia textual. Partiendo de una interpolación semánticamente alineada en el espacio de condiciones, Interp3D refuerza la consistencia estructural mediante la interpolación estructural guiada por SLAT (*Structured Latent*), y finalmente transfiere los detalles de apariencia mediante una fusión textual de grano fino. Para evaluaciones integrales, construimos un conjunto de datos dedicado, Interp3DData, con niveles de dificultad graduados y evaluamos los resultados de generación en términos de fidelidad, suavidad de transición y plausibilidad. Tanto las métricas cuantitativas como los estudios con usuarios demuestran las ventajas significativas de nuestro enfoque propuesto sobre métodos anteriores. El código fuente está disponible en https://github.com/xiaolul2/Interp3D.

English

Textured 3D morphing seeks to generate smooth and plausible transitions between two 3D assets, preserving both structural coherence and fine-grained appearance. This ability is crucial not only for advancing 3D generation research but also for practical applications in animation, editing, and digital content creation. Existing approaches either operate directly on geometry, limiting them to shape-only morphing while neglecting textures, or extend 2D interpolation strategies into 3D, which often causes semantic ambiguity, structural misalignment, and texture blurring. These challenges underscore the necessity to jointly preserve geometric consistency, texture alignment, and robustness throughout the transition process. To address this, we propose Interp3D, a novel training-free framework for textured 3D morphing. It harnesses generative priors and adopts a progressive alignment principle to ensure both geometric fidelity and texture coherence. Starting from semantically aligned interpolation in condition space, Interp3D enforces structural consistency via SLAT (Structured Latent)-guided structure interpolation, and finally transfers appearance details through fine-grained texture fusion. For comprehensive evaluations, we construct a dedicated dataset, Interp3DData, with graded difficulty levels and assess generation results from fidelity, transition smoothness, and plausibility. Both quantitative metrics and human studies demonstrate the significant advantages of our proposed approach over previous methods. Source code is available at https://github.com/xiaolul2/Interp3D.