パーツ名特定：3Dパーツのセグメンテーションと命名
Name That Part: 3D Part Segmentation and Naming
December 19, 2025
著者: Soumava Paul, Prakhar Kaushik, Ankit Vaidya, Anand Bhattad, Alan Yuille
cs.AI
要旨
本論文では、意味的3Dパーツセグメンテーション、すなわち物体を意味のある名称を持つパーツに分解する課題に取り組む。パーツ注釈付きデータセットは存在するものの、その定義はデータセット間で一貫性がなく、ロバストな学習の妨げとなっている。従来手法は、ラベルなしの分解を行うか、完全な形状注釈を伴わない単一パーツの検索に留まっていた。本研究では、パーツ命名を直接的な集合アライメント課題として定式化するALIGN-Partsを提案する。本手法は形状をパートレット（暗黙的3Dパーツ表現）に分解し、2部グラフ割り当てによりパーツ記述と対応付ける。3Dパーツフィールドからの幾何学的手がかり、マルチビュービジョンフィーチャーからの外観、言語モデル生成のアフォーダンス記述からの意味的知識を組み合わせる。テキストアライメント損失は、パートレットがテキストと埋め込み空間を共有することを保証し、理論的にはオープン語彙のマッチング設定を可能にする。この効率的かつ新奇なワンショット3Dパーツセグメンテーション・命名手法は、スケーラブルな注釈エンジンとしての利用を含む、いくつかの下流タスクへの応用が可能である。本モデルは任意の記述へのゼロショットマッチングと既知カテゴリに対する信頼度較正済み予測をサポートするため、人間による検証を経て、PartNet、3DCoMPaT++、Find3Dを整合させ1,794のユニークな3Dパーツからなる統一オントロジーを構築した。また、新たに作成したTex-Partsデータセットからの例を示す。さらに、命名付き3Dパーツセグメンテーション課題に適した2つの新規評価指標を導入する。
English
We address semantic 3D part segmentation: decomposing objects into parts with meaningful names. While datasets exist with part annotations, their definitions are inconsistent across datasets, limiting robust training. Previous methods produce unlabeled decompositions or retrieve single parts without complete shape annotations. We propose ALIGN-Parts, which formulates part naming as a direct set alignment task. Our method decomposes shapes into partlets - implicit 3D part representations - matched to part descriptions via bipartite assignment. We combine geometric cues from 3D part fields, appearance from multi-view vision features, and semantic knowledge from language-model-generated affordance descriptions. Text-alignment loss ensures partlets share embedding space with text, enabling a theoretically open-vocabulary matching setup, given sufficient data. Our efficient and novel, one-shot, 3D part segmentation and naming method finds applications in several downstream tasks, including serving as a scalable annotation engine. As our model supports zero-shot matching to arbitrary descriptions and confidence-calibrated predictions for known categories, with human verification, we create a unified ontology that aligns PartNet, 3DCoMPaT++, and Find3D, consisting of 1,794 unique 3D parts. We also show examples from our newly created Tex-Parts dataset. We also introduce 2 novel metrics appropriate for the named 3D part segmentation task.