PartRAG：基于检索的部件级 3D 生成与编辑
计算机视觉与模式识别
2026-02-20 v1
摘要
单图像 3D 生成在部件级结构方面仍具有挑战性：已学习的先验难以覆盖部件几何的长尾分布，同时保持多视角一致性，现有系统对精确、局部编辑支持有限。我们提出了 PartRAG，一个检索增强框架，将外部部件数据库与扩散变换器集成，以将生成与可编辑表示相耦合。为克服第一个挑战，我们引入了分层对比检索模块，在部件和对象粒度上将密集图像块与 3D 部件潜在表示对齐，从 curated 1,236 个带部件标注资产的数据库中检索，以注入多样化、物理上合理的 exemplars 以增强去噪。为克服第二个挑战，我们添加了一个在共享标准化空间中 operates 的掩码、部件级编辑器，使其能够进行置换、属性细化和组成更新，而无需重新生成整个对象，同时保持非目标部件和多视角一致性。PartRAG 在 Objaverse、ShapeNet 和 ABO 上实现了竞争性结果，将 Chamfer Distance 从 0.1726 降至 0.1528，将 F-Score 从 0.7472 提升至 0.844（Objaverse 上推理耗时 38 秒，交互式编辑 5-8 秒）。定性地，PartRAG 产生更锐利的部件边界、更好的细小结构保真度，并在 articulated objects 上表现出鲁健性。代码：https://github.com/AIGeeksGroup/PartRAG。网站：https://aigeeksgroup.github.io/PartRAG。
引用
@article{arxiv.2602.17033,
title = {PartRAG: Retrieval-Augmented Part-Level 3D Generation and Editing},
author = {Peize Li and Zeyu Zhang and Hao Tang},
journal= {arXiv preprint arXiv:2602.17033},
year = {2026}
}