Interp3D: Correspondentie-gebaseerde interpolatie voor generatief textuur-3D-morfen

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

January 20, 2026

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

cs.AI

Samenvatting

Geglazuurde 3D-morfen beoogt vloeiende en geloofwaardige overgangen tussen twee 3D-assets te genereren, waarbij zowel structurele coherentie als gedetailleerd uiterlijk behouden blijft. Deze mogelijkheid is cruciaal, niet alleen voor de vooruitgang van 3D-generatieonderzoek, maar ook voor praktische toepassingen in animatie, bewerking en digitale contentcreatie. Bestaande benaderingen werken ofwel direct op de geometrie, wat hen beperkt tot morfen van alleen de vorm terwijl texturen worden verwaarloosd, ofwel breiden 2D-interpolatiestrategieën uit naar 3D, wat vaak leidt tot semantische ambiguïteit, structurele misalignering en textuurvervaging. Deze uitdagingen onderstrepen de noodzaak om gedurende het gehele overgangsproces geometrische consistentie, textuuraligning en robuustheid gezamenlijk te behouden. Om dit aan te pakken, stellen wij Interp3D voor, een nieuw trainingsvrij raamwerk voor geglazuurd 3D-morfen. Het benut generatieve prior-kennis en adopteert een progressief aligneringsprincipe om zowel geometrische nauwkeurigheid als textuurcoherentie te waarborgen. Beginnend met semantisch gealigneerde interpolatie in de conditieruimte, handhaaft Interp3D structurele consistentie via SLAT (Structured Latent)-gestuurde structuurinterpolatie, en transfereert ten slotte uiterlijkheidsdetails door middel van fijnmazige textuurfusie. Voor uitgebreide evaluaties construeren we een toegewijd dataset, Interp3DData, met gegradeerde moeilijkheidsniveaus en beoordelen we generatieresultaten op basis van nauwkeurigheid, overgangsvloeiendheid en geloofwaardigheid. Zowel kwantitatieve metrieken als humane studies tonen de significante voordelen van onze voorgestelde aanpak ten opzichte van eerdere methoden. De broncode is beschikbaar op https://github.com/xiaolul2/Interp3D.

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.