NANO3D: Безмасочный подход для эффективного редактирования 3D без необходимости обучения

NANO3D: A Training-Free Approach for Efficient 3D Editing Without Masks

October 16, 2025

Авторы: Junliang Ye, Shenghao Xie, Ruowen Zhao, Zhengyi Wang, Hongyu Yan, Wenqiang Zu, Lei Ma, Jun Zhu

cs.AI

Аннотация

Редактирование 3D-объектов является ключевым для создания интерактивного контента в играх, анимации и робототехнике, однако современные подходы остаются неэффективными, несогласованными и часто не сохраняют неотредактированные области. Большинство методов основываются на редактировании многовидовых рендеров с последующей реконструкцией, что приводит к артефактам и ограничивает практичность. Для решения этих проблем мы предлагаем Nano3D — бесплатную для обучения платформу для точного и согласованного редактирования 3D-объектов без использования масок. Nano3D интегрирует FlowEdit в TRELLIS для выполнения локализованных правок, управляемых фронтальными рендерами, а также вводит стратегии слияния с учетом областей, Voxel/Slat-Merge, которые адаптивно сохраняют структурную точность, обеспечивая согласованность между отредактированными и неотредактированными областями. Эксперименты показывают, что Nano3D достигает превосходной 3D-согласованности и визуального качества по сравнению с существующими методами. На основе этой платформы мы создали первый крупномасштабный набор данных для 3D-редактирования Nano3D-Edit-100k, содержащий более 100 000 высококачественных пар 3D-редактирования. Эта работа решает давние проблемы как в проектировании алгоритмов, так и в доступности данных, значительно повышая универсальность и надежность 3D-редактирования и закладывая основу для разработки моделей прямого 3D-редактирования. Страница проекта: https://jamesyjl.github.io/Nano3D.

English

3D object editing is essential for interactive content creation in gaming, animation, and robotics, yet current approaches remain inefficient, inconsistent, and often fail to preserve unedited regions. Most methods rely on editing multi-view renderings followed by reconstruction, which introduces artifacts and limits practicality. To address these challenges, we propose Nano3D, a training-free framework for precise and coherent 3D object editing without masks. Nano3D integrates FlowEdit into TRELLIS to perform localized edits guided by front-view renderings, and further introduces region-aware merging strategies, Voxel/Slat-Merge, which adaptively preserve structural fidelity by ensuring consistency between edited and unedited areas. Experiments demonstrate that Nano3D achieves superior 3D consistency and visual quality compared with existing methods. Based on this framework, we construct the first large-scale 3D editing datasets Nano3D-Edit-100k, which contains over 100,000 high-quality 3D editing pairs. This work addresses long-standing challenges in both algorithm design and data availability, significantly improving the generality and reliability of 3D editing, and laying the groundwork for the development of feed-forward 3D editing models. Project Page:https://jamesyjl.github.io/Nano3D