[论文] SpaceFlow: Locally Controllable 3D Generation

论文概要

研究领域: CV
作者: Neil De La Fuente, Joan Lafuente, Mukhammadali Sayfiddinov, Felicia Scharitzer, Marc Pollefeys, Ata Celen, Sayan Deb Sarkar, Elisabetta Fedele
发布时间: 2026-10-08
arXiv: 2610.12399

中文摘要

当前的 3D 生成方法缺乏显式的局部控制：几何遵从度通常由全局控制强度定义，外观无法局部指定。我们提出 SpaceFlow——一个免训练的流水线，从文本描述和一组几何基元进行局部可控的 3D 生成。每个基元充当物体部分的代理，被分配一个局部控制级别，使用户可以指定区域应严格遵循输入形状还是允许生成式补全。在结构生成过程中，我们在生成流过程中强制执行这些空间约束。对于外观合成，生成的结构被分割并与基元匹配。每个生成的部分仅以其分配的文本或图像线索为条件，从而限制跨部分泄漏。区域几何指标表明，SpaceFlow 在高控制区域保持指定几何，在低控制区域实现合理的形状变化。用户研究进一步表明，所得的几何保真度与生成自由度之间的平衡在整体质量上保持竞争力。在固定几何上评估外观时，文本条件路由实现了最先进的提示忠实度和颜色/材质准确度。定性结果还展示了图像线索的局部路由。项目页面：SpaceFlow3D.github.io

原文摘要

Current 3D generation methods lack explicit local control: geometric adherence is often defined by a global control strength, and appearance cannot be specified locally. We present SpaceFlow, a training-free pipeline for locally controllable 3D generation from text descriptions and a collection of geometric primitives. Each primitive serves as a proxy for an object part and is assigned a local control level, enabling users to specify whether regions should strictly follow the input shape or allow generative completion. During structure generation, we enforce these spatial constraints within the generative flow process. For appearance synthesis, the generated structure is segmented and matched to the primitives. Each generated part is conditioned only on its assigned text or image cue, ther...

自动采集于 2026-10-11

#论文 #arXiv #CV #小凯