Interp3D: Interpolazione Consapevole delle Corrispondenze per la Morfologia Generativa 3D con Texture

Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing

January 20, 2026

Autori: Xiaolu Liu, Yicong Li, Qiyuan He, Jiayin Zhu, Wei Ji, Angela Yao, Jianke Zhu

cs.AI

Abstract

Il morphing 3D texturizzato mira a generare transizioni fluide e plausibili tra due asset 3D, preservando sia la coerenza strutturale che l'aspetto granulare. Questa capacità è cruciale non solo per far progredire la ricerca sulla generazione 3D, ma anche per applicazioni pratiche nell'animazione, editing e creazione di contenuti digitali. Gli approcci esistenti operano direttamente sulla geometria, limitandosi al morphing della sola forma e trascurando le texture, oppure estendono strategie di interpolazione 2D al 3D, causando spesso ambiguità semantica, disallineamento strutturale e sfocatura delle texture. Queste sfide sottolineano la necessità di preservare congiuntamente la coerenza geometrica, l'allineamento delle texture e la robustezza durante l'intero processo di transizione. Per affrontare ciò, proponiamo Interp3D, un nuovo framework per il morphing 3D texturizzato che non richiede addestramento. Esso sfrutta priorità generative e adotta un principio di allineamento progressivo per garantire sia la fedeltà geometrica che la coerenza delle texture. Partendo da un'interpolazione semanticamente allineata nello spazio delle condizioni, Interp3D applica la coerenza strutturale tramite l'interpolazione strutturale guidata da SLAT (Structured Latent), e infine trasferisce i dettagli dell'aspetto attraverso una fusione granulare delle texture. Per valutazioni complete, abbiamo costruito un dataset dedicato, Interp3DData, con livelli di difficoltà graduati e valutato i risultati generativi in termini di fedeltà, fluidità della transizione e plausibilità. Sia le metriche quantitative che gli studi umani dimostrano i significativi vantaggi del nostro approccio rispetto ai metodi precedenti. Il codice sorgente è disponibile all'indirizzo https://github.com/xiaolul2/Interp3D.

English

Textured 3D morphing seeks to generate smooth and plausible transitions between two 3D assets, preserving both structural coherence and fine-grained appearance. This ability is crucial not only for advancing 3D generation research but also for practical applications in animation, editing, and digital content creation. Existing approaches either operate directly on geometry, limiting them to shape-only morphing while neglecting textures, or extend 2D interpolation strategies into 3D, which often causes semantic ambiguity, structural misalignment, and texture blurring. These challenges underscore the necessity to jointly preserve geometric consistency, texture alignment, and robustness throughout the transition process. To address this, we propose Interp3D, a novel training-free framework for textured 3D morphing. It harnesses generative priors and adopts a progressive alignment principle to ensure both geometric fidelity and texture coherence. Starting from semantically aligned interpolation in condition space, Interp3D enforces structural consistency via SLAT (Structured Latent)-guided structure interpolation, and finally transfers appearance details through fine-grained texture fusion. For comprehensive evaluations, we construct a dedicated dataset, Interp3DData, with graded difficulty levels and assess generation results from fidelity, transition smoothness, and plausibility. Both quantitative metrics and human studies demonstrate the significant advantages of our proposed approach over previous methods. Source code is available at https://github.com/xiaolul2/Interp3D.