Generación Eficiente de Objetos 3D a Nivel de Parte mediante Empaquetado Dual de Volúmenes
Efficient Part-level 3D Object Generation via Dual Volume Packing
June 11, 2025
Autores: Jiaxiang Tang, Ruijie Lu, Zhaoshuo Li, Zekun Hao, Xuan Li, Fangyin Wei, Shuran Song, Gang Zeng, Ming-Yu Liu, Tsung-Yi Lin
cs.AI
Resumen
Los recientes avances en la generación de objetos 3D han mejorado significativamente tanto la calidad como la eficiencia. Sin embargo, la mayoría de los métodos existentes generan una única malla con todas las partes fusionadas, lo que limita la capacidad de editar o manipular partes individuales. Un desafío clave es que diferentes objetos pueden tener un número variable de partes. Para abordar esto, proponemos un nuevo marco de trabajo integral para la generación de objetos 3D a nivel de partes. Dada una única imagen de entrada, nuestro método genera objetos 3D de alta calidad con un número arbitrario de partes completas y semánticamente significativas. Introducimos una estrategia de empaquetamiento de volumen dual que organiza todas las partes en dos volúmenes complementarios, permitiendo la creación de partes completas e intercaladas que se ensamblan en el objeto final. Los experimentos muestran que nuestro modelo logra una mejor calidad, diversidad y generalización que los métodos anteriores de generación a nivel de partes basados en imágenes.
English
Recent progress in 3D object generation has greatly improved both the quality
and efficiency. However, most existing methods generate a single mesh with all
parts fused together, which limits the ability to edit or manipulate individual
parts. A key challenge is that different objects may have a varying number of
parts. To address this, we propose a new end-to-end framework for part-level 3D
object generation. Given a single input image, our method generates
high-quality 3D objects with an arbitrary number of complete and semantically
meaningful parts. We introduce a dual volume packing strategy that organizes
all parts into two complementary volumes, allowing for the creation of complete
and interleaved parts that assemble into the final object. Experiments show
that our model achieves better quality, diversity, and generalization than
previous image-based part-level generation methods.