PartUV : Dépliage UV par parties de maillages 3D
PartUV: Part-Based UV Unwrapping of 3D Meshes
November 20, 2025
papers.authors: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu
cs.AI
papers.abstract
Le dépliage UV aplatit les surfaces 3D en 2D avec une distorsion minimale, nécessitant souvent la décomposition de la surface complexe en plusieurs chartes. Bien que largement étudiées, les méthodes de dépliage UV existantes peinent fréquemment avec les maillages générés par IA, qui sont généralement bruités, bosselés et mal conditionnés. Ces méthodes produisent souvent des chartes très fragmentées et des limites sous-optimales, introduisant des artéfacts et entravant les tâches en aval. Nous présentons PartUV, un pipeline de dépliage UV basé sur les parties qui génère un nombre significativement moindre de chartes alignées sur les parties tout en maintenant une faible distorsion. Construit sur la méthode récente de décomposition en parties par apprentissage PartField, PartUV combine une décomposition sémantique de haut niveau des parties avec de nouvelles heuristiques géométriques dans un cadre récursif descendant. Il garantit que la distorsion de chaque charte reste inférieure à un seuil défini par l'utilisateur tout en minimisant le nombre total de chartes. Le pipeline intègre et étend des algorithmes de paramétrisation et d'empaquetage, intègre une gestion dédiée des maillages non-variétés et dégénérés, et est largement parallélisé pour l'efficacité. Évalué sur quatre ensembles de données diversifiés, incluant des objets manufacturés, de la CAO, des formes générées par IA et des formes communes, PartUV surpasse les outils existants et les méthodes neuronales récentes en nombre de chartes et longueur de coutures, atteint une distorsion comparable, affiche des taux de réussite élevés sur des maillages difficiles, et permet de nouvelles applications comme l'empaquetage multi-tuiles spécifique aux parties. Notre page projet est à l'adresse 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.