Nano3D：无需掩码的高效 3D 编辑训练-free 方法
计算机视觉与模式识别
2025-10-20 v1
摘要
3D 对象编辑是游戏、动画和机器人领域交互内容创建的必需品，但当前方法往往不够高效、一致性差，甚至无法保留未编辑区域。大多数方法依赖对多视角渲染图进行编辑后重建，引入人工并限制实际应用性。为此，我们提出 Nano3D，一个无需掩码的训练-free 框架，用于精确且连贯的 3D 对象编辑。Nano3D 将 FlowEdit 集成到 TRELLIS 中，通过前视渲染图引导局部编辑，进而引入区域感知的合并策略 Voxel/Slat-Merge，通过确保编辑区域与未编辑区域之间的一致性来自适应地保留结构细节。实验表明，Nano3D 在 3D 一致性和视觉质量方面优于现有方法。基于此框架，我们构建了第一个大规模 3D 编辑数据集 Nano3D-Edit-100k，其中包含超过 10 万对高质量 3D 编辑对。这一工作解决了算法设计和数据可获得性方面的长期挑战，显著提升了 3D 编辑的通用性和可靠性，为开发前馈式 3D 编辑模型奠定了基础。项目页面：https://jamesyjl.github.io/Nano3D
引用
@article{arxiv.2510.15019,
title = {NANO3D: A Training-Free Approach for Efficient 3D Editing Without Masks},
author = {Junliang Ye and Shenghao Xie and Ruowen Zhao and Zhengyi Wang and Hongyu Yan and Wenqiang Zu and Lei Ma and Jun Zhu},
journal= {arXiv preprint arXiv:2510.15019},
year = {2025}
}
备注
Project Page: https://jamesyjl.github.io/Nano3D