FullPart: Generazione di ogni Parte 3D a Risoluzione Completa

FullPart: Generating each 3D Part at Full Resolution

October 30, 2025

Autori: Lihe Ding, Shaocong Dong, Yaokun Li, Chenjian Gao, Xiao Chen, Rui Han, Yihao Kuang, Hong Zhang, Bo Huang, Zhanpeng Huang, Zibin Wang, Dan Xu, Tianfan Xue

cs.AI

Abstract

La generazione 3D basata su parti presenta un grande potenziale per varie applicazioni. I precedenti generatori di parti che rappresentano i componenti mediante token impliciti di tipo vector-set spesso soffrono di dettagli geometrici insufficienti. Un altro filone di ricerca adotta una rappresentazione voxel esplicita, ma condivide una griglia voxel globale tra tutte le parti; ciò spesso causa la rappresentazione di parti piccole con un numero troppo esiguo di voxel, portando a una qualità degradata. In questo articolo proponiamo FullPart, un framework innovativo che combina entrambi i paradigmi implicito ed esplicito. Il metodo deriva dapprima il layout dei bounding box attraverso un processo di diffusione implicito di vector-set di box, un compito che la diffusione implicita gestisce efficacemente poiché i token di box contengono pochi dettagli geometrici. Successivamente, genera parti dettagliate, ciascuna all'interno della propria griglia voxel a risoluzione completa. Invece di condividere uno spazio globale a bassa risoluzione, ogni parte nel nostro metodo - anche quelle piccole - viene generata a piena risoluzione, consentendo la sintesi di dettagli intricati. Introduciamo inoltre una strategia di codifica center-point per affrontare il problema di disallineamento nello scambio di informazioni tra parti di dimensioni reali diverse, mantenendo così la coerenza globale. Inoltre, per ovviare alla scarsità di dati parti affidabili, presentiamo PartVerse-XL, il più grande dataset 3D di parti annotate manualmente con 40K oggetti e 320K parti. Esperimenti approfonditi dimostrano che FullPart raggiunge risultati all'avanguardia nella generazione di parti 3D. Rilasceremo tutto il codice, i dati e il modello a beneficio della ricerca futura nella generazione di parti 3D.

English

Part-based 3D generation holds great potential for various applications. Previous part generators that represent parts using implicit vector-set tokens often suffer from insufficient geometric details. Another line of work adopts an explicit voxel representation but shares a global voxel grid among all parts; this often causes small parts to occupy too few voxels, leading to degraded quality. In this paper, we propose FullPart, a novel framework that combines both implicit and explicit paradigms. It first derives the bounding box layout through an implicit box vector-set diffusion process, a task that implicit diffusion handles effectively since box tokens contain little geometric detail. Then, it generates detailed parts, each within its own fixed full-resolution voxel grid. Instead of sharing a global low-resolution space, each part in our method - even small ones - is generated at full resolution, enabling the synthesis of intricate details. We further introduce a center-point encoding strategy to address the misalignment issue when exchanging information between parts of different actual sizes, thereby maintaining global coherence. Moreover, to tackle the scarcity of reliable part data, we present PartVerse-XL, the largest human-annotated 3D part dataset to date with 40K objects and 320K parts. Extensive experiments demonstrate that FullPart achieves state-of-the-art results in 3D part generation. We will release all code, data, and model to benefit future research in 3D part generation.