PartUV: Scomposizione UV basata su parti per mesh 3D
PartUV: Part-Based UV Unwrapping of 3D Meshes
November 20, 2025
Autori: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu
cs.AI
Abstract
La mappatura UV appiattisce le superfici 3D in 2D con distorsione minima, richiedendo spesso che la superficie complessa venga scomposta in più _chart_. Sebbene ampiamente studiata, i metodi esistenti di mappatura UV faticano frequentemente con le mesh generate dall'IA, che sono tipicamente rumorose, irregolari e mal condizionate. Questi metodi spesso producono _chart_ altamente frammentati e contorni subottimali, introducendo artefatti e ostacolando i task a valle. Introduciamo PartUV, una pipeline di mappatura UV basata sulle parti che genera un numero significativamente inferiore di _chart_, allineati alle parti, mantenendo al contempo una bassa distorsione. Costruita su un recente metodo di scomposizione in parti basato sull'apprendimento, PartField, PartUV combina una scomposizione semantica di alto livello delle parti con nuove euristiche geometriche in un framework ricorsivo top-down. Garantisce che la distorsione di ogni _chart_ rimanga al di sotto di una soglia specificata dall'utente, minimizzando al contempo il numero totale di _chart_. La pipeline integra ed estende algoritmi di parametrizzazione e impacchettamento, incorpora una gestione dedicata di mesh non-manifold e degeneri, ed è ampiamente parallelizzata per efficienza. Valutata su quattro dataset diversificati, inclusi oggetti artificiali, CAD, generati da IA e Forme Comuni, PartUV supera gli strumenti esistenti e i recenti metodi neurali nel conteggio dei _chart_ e nella lunghezza delle cuciture, raggiunge una distorsione comparabile, mostra alti tassi di successo su mesh difficili e abilita nuove applicazioni come l'impacchettamento multi-tile specifico per parti. La nostra pagina del progetto è all'indirizzo 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.