X-Part: hoogwaardige en structuurcoherente vormdecompositie

X-Part: high fidelity and structure coherent shape decomposition

September 10, 2025

Auteurs: Xinhao Yan, Jiachen Xu, Yang Li, Changfeng Ma, Yunhan Yang, Chunshi Wang, Zibo Zhao, Zeqiang Lai, Yunfei Zhao, Zhuo Chen, Chunchao Guo

cs.AI

Samenvatting

Het genereren van 3D-vormen op onderdeelniveau is cruciaal voor downstream toepassingen zoals mesh-retopologie, UV-mapping en 3D-printen. Bestaande methoden voor op delen gebaseerde generatie bieden echter vaak onvoldoende bestuurbaarheid en lijden onder een gebrekkige semantisch betekenisvolle decompositie. Daarom introduceren we X-Part, een bestuurbaar generatief model dat is ontworpen om een holistisch 3D-object te decomponeren in semantisch betekenisvolle en structureel samenhangende delen met een hoge geometrische nauwkeurigheid. X-Part maakt gebruik van begrenzingsvakken als prompts voor de deelgeneratie en injecteert puntgewijze semantische kenmerken voor een betekenisvolle decompositie. Bovendien hebben we een bewerkbare pijplijn ontworpen voor interactieve deelgeneratie. Uitgebreide experimentele resultaten tonen aan dat X-Part state-of-the-art prestaties levert in vormgeneratie op onderdeelniveau. Dit werk vestigt een nieuw paradigma voor het creëren van productieklaar, bewerkbaar en structureel solide 3D-assets. De code zal worden vrijgegeven voor publiek onderzoek.

English

Generating 3D shapes at part level is pivotal for downstream applications such as mesh retopology, UV mapping, and 3D printing. However, existing part-based generation methods often lack sufficient controllability and suffer from poor semantically meaningful decomposition. To this end, we introduce X-Part, a controllable generative model designed to decompose a holistic 3D object into semantically meaningful and structurally coherent parts with high geometric fidelity. X-Part exploits the bounding box as prompts for the part generation and injects point-wise semantic features for meaningful decomposition. Furthermore, we design an editable pipeline for interactive part generation. Extensive experimental results show that X-Part achieves state-of-the-art performance in part-level shape generation. This work establishes a new paradigm for creating production-ready, editable, and structurally sound 3D assets. Codes will be released for public research.