PartUV: 3DメッシュのパートベースUV展開

PartUV: Part-Based UV Unwrapping of 3D Meshes

November 20, 2025

著者: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu

cs.AI

要旨

UVアンラップは、3Dサーフェスを最小限の歪みで2Dに平坦化する技術であり、複雑な形状を複数のチャートに分割する必要がしばしば生じます。この分野は広く研究されているにもかかわらず、既存のUVアンラップ手法は、ノイズが多く、凹凸が激しく、形状不良なAI生成メッシュに対して苦戦することが多いです。これらの手法では、過度に分断されたチャートや最適でない境界線が生成され、アーティファクトの発生や下流工程への悪影響を引き起こします。本研究では、PartUVを提案します。これはパートベースのUVアンラップパイプラインであり、歪みを低く抑えつつ、パートに対応したはるかに少ない数のチャートを生成します。最近の学習ベースのパート分割手法であるPartFieldを基盤として構築されたPartUVは、高レベルの意味的パート分割と新しい幾何学的ヒューリスティクスを、トップダウン再帰型フレームワークで組み合わせます。これにより、各チャートの歪みをユーザー指定の閾値以下に保ちながら、チャート総数を最小化します。本パイプラインは、パラメータライゼーションとパッキングアルゴリズムを統合・拡張し、非多様体メッシュや退化メッシュへの専用処理を組み込み、効率化のために広範囲に並列化されています。人工物、CAD、AI生成、共通形状を含む4つの多様なデータセットを用いた評価では、PartUVは既存のツールや最近のニューラル手法を、チャート数とシーム長において上回り、同等の歪みを達成し、困難なメッシュに対して高い成功率を示し、パート固有のマルチタイルパッキングのような新たな応用を可能にします。プロジェクトページは https://www.zhaoningwang.com/PartUV にあります。

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.