Junliang Ye Shenghao Xie Ruowen Zhao Zhengyi Wang Hongyu Yan Wenqiang Zu Lei Ma Jun Zhu

摘要

三维物体编辑在游戏、动画和机器人等交互式内容创作中至关重要，但现有方法仍存在效率低下、结果不一致，且难以保持未编辑区域完整性的缺陷。大多数现有方法依赖于多视角渲染的编辑与后续重建，这一过程易引入伪影，限制了实际应用。为解决上述问题，我们提出 Nano3D——一种无需训练的三维物体精确且连贯编辑框架，且无需使用掩码。Nano3D 将 FlowEdit 集成至 TRELLIS 框架中，通过前视图渲染实现局部编辑，并进一步提出一种区域感知的融合策略——Voxel/Slat-Merge，该策略通过确保编辑区域与未编辑区域之间的一致性，自适应地保持结构保真度。实验结果表明，与现有方法相比，Nano3D 在三维一致性与视觉质量方面均取得显著提升。基于该框架，我们构建了首个大规模三维编辑数据集 Nano3D-Edit-100k，包含超过 10 万对高质量的三维编辑样本。本工作在算法设计与数据可用性方面均解决了长期存在的关键挑战，显著提升了三维编辑的泛化能力与可靠性，为前馈式三维编辑模型的发展奠定了基础。项目主页：https://jamesyjl.github.io/Nano3D