Interp3D: Interpolação Consciente de Correspondências para Morphing 3D Texturizado Generativo

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

January 20, 2026

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

cs.AI

Resumo

A morfologia 3D texturizada visa gerar transições suaves e plausíveis entre dois ativos 3D, preservando tanto a coerência estrutural quanto a aparência de alto detalhe. Essa capacidade é crucial não apenas para avançar a pesquisa em geração 3D, mas também para aplicações práticas em animação, edição e criação de conteúdo digital. As abordagens existentes operam diretamente na geometria, limitando-se à morfologia apenas da forma e negligenciando as texturas, ou estendem estratégias de interpolação 2D para 3D, o que frequentemente causa ambiguidade semântica, desalinhamento estrutural e borramento de textura. Esses desafios ressaltam a necessidade de preservar conjuntamente a consistência geométrica, o alinhamento de textura e a robustez durante todo o processo de transição. Para resolver isso, propomos o Interp3D, uma nova estrutura *training-free* para morfologia 3D texturizada. Ele aproveita *priors* generativos e adota um princípio de alinhamento progressivo para garantir fidelidade geométrica e coerência de textura. Partindo de uma interpolação semanticamente alinhada no espaço de condições, o Interp3D impõe consistência estrutural via interpolação da estrutura guiada por SLAT (*Structured Latent*) e, finalmente, transfere detalhes de aparência através de uma fusão de textura de alto detalhe. Para avaliações abrangentes, construímos um conjunto de dados dedicado, o Interp3DData, com níveis de dificuldade graduados, e avaliamos os resultados de geração com base em fidelidade, suavidade da transição e plausibilidade. Tanto métricas quantitativas quanto estudos com humanos demonstram as vantagens significativas de nossa abordagem proposta em relação a métodos anteriores. O código-fonte está disponível em 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.