FullPart: Elke 3D-onderdeel op volledige resolutie genereren

FullPart: Generating each 3D Part at Full Resolution

October 30, 2025

Auteurs: Lihe Ding, Shaocong Dong, Yaokun Li, Chenjian Gao, Xiao Chen, Rui Han, Yihao Kuang, Hong Zhang, Bo Huang, Zhanpeng Huang, Zibin Wang, Dan Xu, Tianfan Xue

cs.AI

Samenvatting

Op delen gebaseerde 3D-generatie heeft groot potentieel voor diverse toepassingen. Eerdere deelgeneratoren die delen representeren met impliciete vector-set tokens lijden vaak onder onvoldoende geometrische details. Een andere onderzoeksrichting gebruikt een expliciete voxelrepresentatie maar deelt een globaal voxelraster voor alle delen; dit zorgt vaak dat kleine delen te weinig voxels bezetten, wat leidt tot verminderde kwaliteit. In dit artikel stellen we FullPart voor, een nieuw framework dat zowel impliciete als expliciete paradigma's combineert. Het leidt eerst de boundingbox-lay-out af via een impliciet box vector-set diffusieproces, een taak die impliciete diffusie effectief aanpakt aangezien box-tokens weinig geometrische detail bevatten. Vervolgens genereert het gedetailleerde delen, elk binnen een eigen vast voxelraster met volledige resolutie. In plaats van een globale laagresolutieruimte te delen, wordt elk deel in onze methode - zelfs kleine - gegenereerd op volledige resolutie, wat de synthese van complexe details mogelijk maakt. We introduceren verder een centrumpunt-coderingsstrategie om het uitlijningsprobleem aan te pakken bij het uitwisselen van informatie tussen delen van verschillende werkelijke groottes, waardoor globale coherentie behouden blijft. Bovendien presenteren we, om het gebrek aan betrouwbare deeldata aan te pakken, PartVerse-XL, de grootste door mensen geannoteerde 3D-deeldataset tot nu toe met 40K objecten en 320K delen. Uitgebreide experimenten tonen aan dat FullPart state-of-the-art resultaten behaalt in 3D-deelgeneratie. We zullen alle code, data en modellen vrijgeven om toekomstig onderzoek in 3D-deelgeneratie te bevorderen.

English

Part-based 3D generation holds great potential for various applications. Previous part generators that represent parts using implicit vector-set tokens often suffer from insufficient geometric details. Another line of work adopts an explicit voxel representation but shares a global voxel grid among all parts; this often causes small parts to occupy too few voxels, leading to degraded quality. In this paper, we propose FullPart, a novel framework that combines both implicit and explicit paradigms. It first derives the bounding box layout through an implicit box vector-set diffusion process, a task that implicit diffusion handles effectively since box tokens contain little geometric detail. Then, it generates detailed parts, each within its own fixed full-resolution voxel grid. Instead of sharing a global low-resolution space, each part in our method - even small ones - is generated at full resolution, enabling the synthesis of intricate details. We further introduce a center-point encoding strategy to address the misalignment issue when exchanging information between parts of different actual sizes, thereby maintaining global coherence. Moreover, to tackle the scarcity of reliable part data, we present PartVerse-XL, the largest human-annotated 3D part dataset to date with 40K objects and 320K parts. Extensive experiments demonstrate that FullPart achieves state-of-the-art results in 3D part generation. We will release all code, data, and model to benefit future research in 3D part generation.