UniPart：基于统一几何-分割潜在表示的面向部件的 3D 生成

面向需要可分解和结构化 3D 合成的应用，部件级别的 3D 生成至关重要。然而，现有方法要么依赖隐式部件分割且粒度控制有限，要么依赖在大型标注数据集上训练的强外部分割器。本文发现，部件感知能力在整体对象几何学习过程中自然涌现。我们提出了 Geom-Seg VecSet，即一种统一的几何-分割潜在表示，联合编码对象几何和部件级别结构。基于此表示，我们引入 UniPart，一个用于图像引导的部件级别 3D 生成的两阶段潜在扩散框架。第一阶段执行联合几何生成和潜在部件分割，第二阶段基于整体对象和部件特定潜在表示对部件级别扩散进行条件化。进一步提出的双空间生成方案通过在全局和标准坐标系中预测部件潜在表示，进一步提升了几何保真度。大量实验表明，UniPart 在分割可控性和部件级别几何质量方面优于现有方法。