PartUV: Op delen gebaseerde UV-ontvouwing van 3D-meshes
PartUV: Part-Based UV Unwrapping of 3D Meshes
November 20, 2025
Auteurs: Zhaoning Wang, Xinyue Wei, Ruoxi Shi, Xiaoshuai Zhang, Hao Su, Minghua Liu
cs.AI
Samenvatting
UV-unwrapping vervlakt 3D-oppervlakken naar 2D met minimale vervorming, waarbij het complexe oppervlak vaak moet worden opgedeeld in meerdere charts. Hoewel het uitgebreid is bestudeerd, hebben bestaande UV-unwrapping-methoden vaak moeite met door AI gegenereerde meshes, die doorgaans ruis, onregelmatigheden en een slechte conditie vertonen. Deze methoden produceren vaak sterk gefragmenteerde charts en suboptimale grenzen, wat artefacten introduceert en downstreamtaken belemmert. Wij introduceren PartUV, een op delen gebaseerde UV-unwrapping-pipeline die aanzienlijk minder, op delen uitgelijnde charts genereert, terwijl een lage vervorming behouden blijft. Gebouwd bovenop een recente, op leren gebaseerde decompositiemethode voor delen (PartField), combineert PartUV semantische decompositie op hoog niveau met nieuwe geometrische heuristieken in een top-down recursief raamwerk. Het zorgt ervoor dat de vervorming per chart onder een door de gebruiker gespecificeerde drempelwaarde blijft, terwijl het totale aantal charts wordt geminimaliseerd. De pipeline integreert en breidt parameterisatie- en packingsalgoritmen uit, bevat een speciale aanpak voor niet-manifold en gedegenereerde meshes, en is uitgebreid geparalleliseerd voor efficiëntie. Geëvalueerd over vier diverse datasets, waaronder kunstmatige, CAD-, door AI gegenereerde en algemene vormen, presteert PartUV beter dan bestaande tools en recente neurale methoden in chartaantal en naadlengte, behaalt vergelijkbare vervorming, vertoont hoge slagingspercentages op uitdagende meshes en maakt nieuwe toepassingen mogelijk, zoals packing met meerdere tegels per deel. Onze projectpagina staat op https://www.zhaoningwang.com/PartUV.
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.