X-Part: decomposizione di forme ad alta fedeltà e coerenza strutturale

X-Part: high fidelity and structure coherent shape decomposition

September 10, 2025

Autori: Xinhao Yan, Jiachen Xu, Yang Li, Changfeng Ma, Yunhan Yang, Chunshi Wang, Zibo Zhao, Zeqiang Lai, Yunfei Zhao, Zhuo Chen, Chunchao Guo

cs.AI

Abstract

La generazione di forme 3D a livello di parti è fondamentale per applicazioni successive come la retopologia delle mesh, il mapping UV e la stampa 3D. Tuttavia, i metodi esistenti di generazione basati su parti spesso mancano di sufficiente controllabilità e soffrono di una scarsa decomposizione semanticamente significativa. A tal fine, introduciamo X-Part, un modello generativo controllabile progettato per scomporre un oggetto 3D olistico in parti semanticamente significative e strutturalmente coerenti con un'elevata fedeltà geometrica. X-Part sfrutta il bounding box come prompt per la generazione delle parti e inietta caratteristiche semantiche punto per punto per una decomposizione significativa. Inoltre, progettiamo una pipeline modificabile per la generazione interattiva delle parti. I risultati sperimentali estesi dimostrano che X-Part raggiunge prestazioni all'avanguardia nella generazione di forme a livello di parti. Questo lavoro stabilisce un nuovo paradigma per la creazione di asset 3D pronti per la produzione, modificabili e strutturalmente solidi. I codici saranno rilasciati per la ricerca pubblica.

English

Generating 3D shapes at part level is pivotal for downstream applications such as mesh retopology, UV mapping, and 3D printing. However, existing part-based generation methods often lack sufficient controllability and suffer from poor semantically meaningful decomposition. To this end, we introduce X-Part, a controllable generative model designed to decompose a holistic 3D object into semantically meaningful and structurally coherent parts with high geometric fidelity. X-Part exploits the bounding box as prompts for the part generation and injects point-wise semantic features for meaningful decomposition. Furthermore, we design an editable pipeline for interactive part generation. Extensive experimental results show that X-Part achieves state-of-the-art performance in part-level shape generation. This work establishes a new paradigm for creating production-ready, editable, and structurally sound 3D assets. Codes will be released for public research.