基于部件感知控制的 3D 形状组合合成与编辑
图形学
2026-05-20 v1 机器学习
摘要
创建和编辑高质量的 3D 内容是计算机图形学中的核心挑战。我们通过引入 CompoSE 方法来解决这一挑战，该方法实现了通过部件感知控制的 3D 形状的组合合成与编辑。该方法以一组粗糙的几何原始对象（例如，边界框）作为输入，这些对象代表了在特定空间配置中排列的不同对象部件，并生成以部件分离形式的 3D 对象，支持对单个部件进行局部细粒度（即组合）编辑。我们方法的关键思想在于使用一种扩散变换器架构，该架构在处理每个部件的局部信息和在部件之间全局聚合上下文信息之间交替工作，并具有一种新的条件技术，确保对用户输入的强力遵循。重要的是，我们的方法学习了从用户的粗糙布局指导中直接推断部件语义和对称性，不需要部件级别的文本提示。我们展示，通过我们的 method 能够实现强大的部件级别编辑功能，包括情境感知的替换、添加、删除和保持风格的调整大小操作。我们通过大量实验表明，我们的方法在引导合成方面显著优于现有方法，无论是通过客观指标还是基于 LLM 的评估。
引用
@article{arxiv.2605.19350,
title = {CompoSE: Compositional Synthesis and Editing of 3D Shapes via Part-Aware Control},
author = {Habib Slim and Shariq Farooq Bhat and Mohamed Elhoseiny and Yifan Wang and Mike Roberts},
journal= {arXiv preprint arXiv:2605.19350},
year = {2026}
}