MorphAny3D：释放结构化潜在表示在 3D 形变中的力量
计算机视觉与模式识别
2026-03-06 v3
摘要
3D 形变因难以生成在类别跨越时语义一致且在时间上平滑的变形而具有挑战。我们提出MorphAny3D，一个基于结构化潜在表示（SLAT）的无训练框架，实现高质量 3D 形变。我们的关键洞察是，在 3D 生成器的注意力机制中，智能地混合源和目标 SLAT 特征，自然产生合理的形变序列。为此，我们引入形变交叉注意力（MCA），用于结构一致性融合源和目标信息；引入时序融合自注意力（TFSA），通过整合前一帧的特征来增强时序一致性。进一步的姿态纠正策略进一步缓解形变步骤中的姿态歧义。广泛的实验表明，我们的方法生成的形变序列在准确度上领先于现有方法，甚至在具有挑战性的跨类别情形下也能实现卓越的效果。MorphAny3D 还支持高级应用，如解耦形变和 3D 风格迁移，可推广至其他基于 SLAT 的生成模型。项目页面: https://xiaokunsun.github.io/MorphAny3D.github.io/。
引用
@article{arxiv.2601.00204,
title = {MorphAny3D: Unleashing the Power of Structured Latent in 3D Morphing},
author = {Xiaokun Sun and Zeyu Cai and Hao Tang and Ying Tai and Jian Yang and Zhenyu Zhang},
journal= {arXiv preprint arXiv:2601.00204},
year = {2026}
}
备注
Accepted by CVPR 2026; Project page: https://xiaokunsun.github.io/MorphAny3D.github.io