Interp3D: 생성형 텍스처 3D 모핑을 위한 대응 관계 인식 보간

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

January 20, 2026

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

cs.AI

초록

텍스처가 적용된 3D 모핑은 두 3D 자산 간의 부드럽고 자연스러운 전환을 생성하며, 구조적 일관성과 세밀한 외관을 모두 보존하는 것을 목표로 합니다. 이러한 능력은 3D 생성 연구를 발전시키는 것뿐만 아니라 애니메이션, 편집, 디지털 콘텐츠 제작 등 실용적인 응용 분야에서도 매우 중요합니다. 기존 방법론은 기하학적 구조를 직접적으로 변형하여 텍스처를 고려하지 않은 형태 중심의 모핑에 그치거나, 2D 보간 전략을 3D로 확장하는 방식인 경우가 많아 의미적 모호성, 구조적 불일치 및 텍스처 흐림 현상을 초래합니다. 이러한 한계는 전환 과정 전반에 걸쳐 기하학적 일관성, 텍스처 정렬, 그리고 강건성을 함께 유지할 필요성을 강조합니다. 이를 해결하기 위해 우리는 텍스처가 적용된 3D 모핑을 위한 새로운 학습 불필요 프레임워크인 Interp3D를 제안합니다. Interp3D는 생성적 사전 지식을 활용하고 점진적 정렬 원칙을 채택하여 기하학적 정확도와 텍스처 일관성을 모두 보장합니다. 조건 공간에서 의미론적으로 정렬된 보간을 시작으로, Interp3D는 SLAT(Structured Latent) 기반 구조 보간을 통해 구조적 일관성을 강화하고, 마지막으로 세밀한 텍스처 융합을 통해 외관 디테일을 전달합니다. 포괄적인 평가를 위해 우리는 난이도가 구분된 전용 데이터셋인 Interp3DData를 구축하고, 생성 결과를 정확도, 전환 부드러움, 자연스러움의 관점에서 평가합니다. 정량적 지표와 인간 평가 모두에서 우리가 제안한 방법이 기존 방법론 대비 뚜렷한 우위를 보임을 입증합니다. 소스 코드는 https://github.com/xiaolul2/Interp3D에서 확인할 수 있습니다.

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.