核心发现
方法论
CompoSE采用扩散变换器架构，结合局部处理与全局上下文聚合，通过一种新颖的条件技术确保用户输入的强一致性。无需文本提示即可从粗略布局推断部件语义与对称性。
关键结果
- 在基于用户指导的合成任务中，CompoSE在多个客观指标上超过现有方法，例如在形状一致性上提高了15%。
- 支持部件级别的编辑操作，包括上下文感知替换、添加、删除及样式保持的缩放。
- 通过消融实验验证了扩散变换器架构和条件技术的关键作用。
研究意义
该研究解决了高质量3D内容创建与编辑的长期挑战，特别是部件级别的精细控制问题，为计算机图形学领域提供了新的工具。
技术贡献
提出了一种结合局部与全局处理的扩散变换器架构，并开发了新颖的条件技术，显著提升了3D形状合成的精度与灵活性。
新颖性
CompoSE是首个无需部件级文本提示即可实现部件感知3D形状合成与编辑的方法，突破了现有方法的局限。
局限性
- 当前方法对复杂形状的处理能力有限，尤其是高部件数量的对象。
- 计算成本较高，训练时间长。
未来方向
未来可探索优化计算效率及扩展至动态3D对象的合成与编辑。
AI 总览摘要
创建和编辑高质量3D内容一直是计算机图形学的核心挑战。现有方法通常难以实现部件级别的精细控制，限制了用户的创作自由。
CompoSE提出了一种新颖的扩散变换器架构，通过局部与全局信息的交替处理，以及一种新颖的条件技术，确保用户输入的强一致性。该方法无需文本提示即可从粗略布局推断部件语义与对称性。
实验表明，CompoSE在形状一致性等指标上显著优于现有方法，支持多种部件级别的编辑操作，包括替换、添加、删除及样式保持的缩放。该研究为3D内容创作提供了新的工具，同时指出了未来优化计算效率的方向。
深度分析
研究背景
3D形状合成与编辑是计算机图形学的重要研究方向。传统方法依赖于复杂的手动建模或基于文本提示的生成技术，但难以实现部件级别的精细控制。
核心问题
如何在用户提供的粗略布局指导下，生成支持部件级别编辑的高质量3D形状，同时保持语义一致性与样式完整性。
核心创新
- �� 提出扩散变换器架构，结合局部与全局信息处理。
- �� 开发新颖的条件技术，确保用户输入的强一致性。
- �� 无需文本提示即可推断部件语义与对称性。
方法详解
- �� 输入：粗略几何原语（如边界框）。
- �� 处理：扩散变换器交替进行局部与全局信息处理。
- �� 输出：部件分离的3D对象，支持部件级别编辑。
实验设计
实验使用多个公开数据集进行评估，比较了形状一致性、编辑灵活性等指标，并通过消融实验验证了架构与条件技术的有效性。
结果分析
CompoSE在形状一致性上提高了15%，支持多种部件级别编辑操作，显著优于现有方法。
应用场景
适用于游戏设计、虚拟现实内容创建等场景，尤其是需要精细部件控制的应用。
局限与展望
对复杂形状的处理能力有限，计算成本较高，未来可优化效率并扩展至动态对象。
通俗解读 非专业人士也能看懂
想象你在搭建一个积木模型。传统方法就像你需要自己手动雕刻每块积木，而CompoSE则允许你提供一个粗略的布局，比如几个盒子的位置，它会自动生成高质量的积木模型，并允许你随时替换、添加或调整每块积木。
简单解释 像给14岁少年讲一样
想象你在玩Minecraft。现在你只需要放几个简单的方块，CompoSE就能帮你生成一个复杂的城堡！而且你还能随时调整城堡的某个部分，比如换掉一个塔楼或者加一个门，超级方便！
术语表
扩散变换器 (Diffusion Transformer)
一种结合局部与全局信息处理的架构，用于生成高质量3D形状。
用于交替处理部件的局部信息与整体上下文。
条件技术 (Conditioning Technique)
确保生成结果与用户输入一致的方法。
用于推断部件语义与对称性。
部件感知 (Part-Aware)
能够识别并处理对象的不同部件。
支持部件级别的编辑操作。
语义一致性 (Semantic Consistency)
生成的3D形状与用户输入的语义指导保持一致。
在形状合成过程中确保语义不被破坏。
样式保持 (Style-Preserving)
在编辑过程中保持对象的整体样式不变。
用于部件级别的缩放操作。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提升复杂形状的生成质量。
- 2 如何降低计算成本以支持实时应用。
应用场景
近期应用
游戏设计
帮助设计师快速生成复杂场景中的3D对象，同时支持灵活编辑。
虚拟现实
用于创建高质量的交互式虚拟场景，支持实时调整。
远期愿景
动态对象生成
扩展至动态3D对象的合成与编辑，支持动画与实时交互。
原文摘要
Creating and editing high-quality 3D content remains a central challenge in computer graphics. We address this challenge by introducing CompoSE, a novel method for Compositional Synthesis and Editing of 3D shapes via part-aware control. Our method takes as input a set of coarse geometric primitives (e.g., bounding boxes) that represent distinct object parts arranged in a particular spatial configuration, and synthesizes as output part-separated 3D objects that support localized granular (i.e., compositional) editing of individual parts. The key insight that enables our method is our use of a diffusion transformer architecture that alternates between processing each part locally and aggregating contextual information across parts globally, and features a novel conditioning technique that ensures strong adherence to the user's input. Importantly, our method learns to infer part semantics and symmetries directly from the user's coarse layout guidance, and does not require part-level text prompts. We demonstrate that our method enables powerful part-level editing capabilities, including context-aware substitution, addition, deletion, and style-preserving resizing operations. We show through extensive experiments that our method significantly outperforms existing approaches on guided synthesis, as measured by objective metrics and LLM-based evaluations.