从一个到多个：面向 3D 生成的情境性部件潜在表示

近期的 3D 生成进步从多视图 2D 渲染方法转向利用地面实验数据中几何先验的 3D 原生潜在扩散框架。尽管已取得进展，但仍存在三个关键局限性：(1) 单潜在表示难以捕捉复杂的多部件几何，导致细节退化；(2) 整体潜在编码忽略了对组成设计至关重要的部件独立性和相互关系；(3) 全局条件机制缺乏细粒度的可控性。鼓励人类 3D 设计工作流程，我们提出 CoPart - 一个基于部件的扩散框架，将 3D 对象分解为情境性部件潜在表示，以实现连贯的多部件生成。该范式提供了三项优势：i) 通过部件分解降低编码复杂度；ii) 使部件关系建模成为可能；iii) 支持部件级条件控制。我们进一步开发了互动引导策略，用于微调预训练的扩散模型以实现联合部件潜在去噪，确保几何连贯性和基础模型先验。为实现大规模训练，我们构建了 Partverse - 一个从 Objaverse 通过自动网格分割和人工验证注释中派生的新型 3D 部件数据集。广泛的实验表明，CoPart 在部件级编辑、关节对象生成和场景组合方面具有卓越的能力，实现了前所未有的可控性。