PartUV: 3D 메쉬의 파트 기반 UV 언래핑

초록

UV 언래핑은 3D 표면을 최소의 왜곡으로 2D로 평면화하는 과정으로, 복잡한 표면을 여러 개의 차트로 분해하는 작업이 흔히 필요합니다. 광범위하게 연구되었음에도 불구하고, 기존 UV 언래핑 방법들은 일반적으로 노이즈가 많고, 울퉁불퉁하며, 조건이 좋지 않은 AI 생성 메시를 처리하는 데 종종 어려움을 겪습니다. 이러한 방법들은 높은 수준의 분할된 차트와 최적이 아닌 경계를 생성하여 아티팩트를 유발하고 후속 작업을 방해하곤 합니다. 우리는 PartUV를 소개합니다. 이는 파트 기반 UV 언래핑 파이프라인으로, 낮은 왜곡을 유지하면서 상당히 적은 수의 파트 정렬 차트를 생성합니다. 최근 학습 기반 파트 분해 방법인 PartField를 기반으로 구축된 PartUV는 상위 수준의 의미론적 파트 분해와 새로운 기하학적 휴리스틱을 상향식 재귀 프레임워크에서 결합합니다. 이는 전체 차트 수를 최소화하면서 각 차트의 왜곡이 사용자가 지정한 임계값 이하로 유지되도록 보장합니다. 이 파이프라인은 매개변수화 및 패킹 알고리즘을 통합 및 확장하고, 비다양체 및 퇴화 메시에 대한 전용 처리를 포함하며, 효율성을 위해 광범위하게 병렬화되었습니다. 인공물, CAD, AI 생성, 일반 형태 등 네 가지 다양한 데이터셋에 걸쳐 평가한 결과, PartUV는 차트 수와 이음선 길이에서 기존 도구 및 최신 신경망 방법을 능가하고, 비슷한 수준의 왜곡을 달성하며, 어려운 메시에서 높은 성공률을 보여주고, 파트별 다중 타일 패킹과 같은 새로운 응용을 가능하게 합니다. 우리의 프로젝트 페이지는 https://www.zhaoningwang.com/PartUV 에 있습니다.

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.

PartUV: 3D 메쉬의 파트 기반 UV 언래핑

PartUV: Part-Based UV Unwrapping of 3D Meshes

초록

Support