X-Part: Descomposición de formas de alta fidelidad y estructura coherente

X-Part: high fidelity and structure coherent shape decomposition

September 10, 2025

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

cs.AI

Resumen

La generación de formas 3D a nivel de partes es fundamental para aplicaciones posteriores como la retopología de mallas, el mapeo UV y la impresión 3D. Sin embargo, los métodos existentes de generación basados en partes a menudo carecen de suficiente controlabilidad y presentan una descomposición semánticamente significativa deficiente. Para abordar esto, presentamos X-Part, un modelo generativo controlable diseñado para descomponer un objeto 3D holístico en partes semánticamente significativas y estructuralmente coherentes con alta fidelidad geométrica. X-Part utiliza el bounding box como indicaciones para la generación de partes e inyecta características semánticas punto a punto para una descomposición significativa. Además, diseñamos una pipeline editable para la generación interactiva de partes. Los resultados experimentales extensivos muestran que X-Part alcanza un rendimiento de vanguardia en la generación de formas a nivel de partes. Este trabajo establece un nuevo paradigma para la creación de activos 3D listos para producción, editables y estructuralmente sólidos. Los códigos se liberarán para investigación pública.

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.