AutoPartGen: 自回归 3D 部件生成与发现
计算机视觉与模式识别
2025-07-22 v2
摘要
我们提出 AutoPartGen，一种以自回归方式生成由 3D 部件组成的物体的模型。该模型可以接受物体的图像、物体部件的 2D 掩码，或已有的 3D 物体作为输入，并生成相应的组成性 3D 重建。我们的做法基于 3DShape2VecSet，一种最近的 3D 潜在表示，具有强大的几何表达能力。我们观察到，这种潜在空间具有强大的组成属性，特别适合用于基于部件的生成任务。具体而言，AutoPartGen 以自回归方式生成物体部件，逐个预测每个部件，同时以先前生成的部件以及额外输入（如 2D 图像、掩码或 3D 物体）为条件。该过程持续到模型决定所有部件都已生成，从而自动确定部件的类型和数量。生成的部件可以无需额外优化地无缝组装成连贯的物体或场景。我们评估了整体 3D 生成能力和部件级生成质量，证明 AutoPartGen 在 3D 部件生成方面实现了最新的性能。
引用
@article{arxiv.2507.13346,
title = {AutoPartGen: Autogressive 3D Part Generation and Discovery},
author = {Minghao Chen and Jianyuan Wang and Roman Shapovalov and Tom Monnier and Hyunyoung Jung and Dilin Wang and Rakesh Ranjan and Iro Laina and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2507.13346},
year = {2025}
}
备注
Project page: https://silent-chen.github.io/AutoPartGen/