Interp3D: Интерполяция с учетом соответствий для генеративного текстурированного 3D-морфинга

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

January 20, 2026

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

cs.AI

Аннотация

Текстурный 3D-морфинг направлен на создание плавных и правдоподобных переходов между двумя 3D-объектами с сохранением как структурной целостности, так и детализированного внешнего вида. Эта способность важна не только для развития исследований в области 3D-генерации, но и для практического применения в анимации, редактировании и создании цифрового контента. Существующие подходы либо работают непосредственно с геометрией, что ограничивает их морфингом только формы без учёта текстур, либо переносят стратегии 2D-интерполяции в 3D, что часто приводит к семантической неоднозначности, структурному несоответствию и размытию текстур. Эти проблемы подчеркивают необходимость совместного сохранения геометрической согласованности, выравнивания текстур и устойчивости на протяжении всего процесса перехода. Для решения этой задачи мы предлагаем Interp3D — новую беспараметрическую архитектуру для текстурного 3D-морфинга. Она использует генеративные априорные знания и применяет принцип прогрессивного выравнивания для обеспечения как геометрической точности, так и текстурной согласованности. Начиная с семантически выровненной интерполяции в пространстве условий, Interp3D обеспечивает структурную согласованность через интерполяцию структуры с направлением SLAT (Structured Latent) и завершает процесс передачей деталей внешнего вида посредством мелкозернистого текстурирования. Для всесторонней оценки мы создали специализированный набор данных Interp3DData с градацией уровней сложности и провели оценку результатов генерации по критериям точности, плавности переходов и правдоподобия. Как количественные метрики, так и экспертные оценки демонстрируют значительные преимущества нашего подхода по сравнению с предыдущими методами. Исходный код доступен по адресу 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.