SK-Adapter: Скелетное структурное управление для нативной 3D-генерации

SK-Adapter: Skeleton-Based Structural Control for Native 3D Generation

March 14, 2026

Авторы: Anbang Wang, Yuzhuo Ao, Shangzhe Wu, Chi-Keung Tang

cs.AI

Аннотация

Нативные 3D-генеративные модели достигли впечатляющей точности и скорости, однако страдают от критического ограничения: неспособности задавать точные структурные артикуляции, где точный структурный контроль в рамках нативного 3D-пространства остается малоизученным. В данной статье предлагается SK-Adapter — простая, но высокоэффективная и действенная структура, которая открывает возможность точного скелетного манипулирования для нативной 3D-генерации. Выходя за рамки текстовых или изображенческих подсказок, которые могут быть неоднозначными для точной структуры, мы рассматриваем 3D-скелет как управляющий сигнал первого класса. SK-Adapter представляет собой облегченную структурную адаптерную сеть, которая кодирует координаты и топологию суставов в обучаемые токены, внедряемые в замороженную базовую модель 3D-генерации посредством перекрестного внимания. Такая продуманная конструкция позволяет модели не только эффективно «уделять внимание» конкретным 3D-структурным ограничениям, но и сохранять свои исходные генеративные априорные знания. Для преодоления разрыва в данных мы представляем набор данных Objaverse-TMS, крупномасштабный набор из 24 тыс. пар текст-меш-скелет. Многочисленные эксперименты подтверждают, что наш метод обеспечивает надежный структурный контроль, сохраняя при этом качество геометрии и текстуры базовой модели, значительно превосходя существующие базовые уровни. Кроме того, мы расширяем эту возможность до локального 3D-редактирования, позволяя осуществлять специфичное для региона редактирование существующих ассетов с помощью скелетного руководства, что было недостижимо для предыдущих методов. Страница проекта: https://sk-adapter.github.io/

English

Native 3D generative models have achieved remarkable fidelity and speed, yet they suffer from a critical limitation: inability to prescribe precise structural articulations, where precise structural control within the native 3D space remains underexplored. This paper proposes SK-Adapter, a simple and yet highly efficient and effective framework that unlocks precise skeletal manipulation for native 3D generation. Moving beyond text or image prompts, which can be ambiguous for precise structure, we treat the 3D skeleton as a first-class control signal. SK-Adapter is a lightweight structural adapter network that encodes joint coordinates and topology into learnable tokens, which are injected into the frozen 3D generation backbone via cross-attention. This smart design allows the model to not only effectively "attend" to specific 3D structural constraints but also preserve its original generative priors. To bridge the data gap, we contribute Objaverse-TMS dataset, a large-scale dataset of 24k text-mesh-skeleton pairs. Extensive experiments confirm that our method achieves robust structural control while preserving the geometry and texture quality of the foundation model, significantly outperforming existing baselines. Furthermore, we extend this capability to local 3D editing, enabling the region specific editing of existing assets with skeletal guidance, which is unattainable by previous methods. Project Page: https://sk-adapter.github.io/