HoloPart：生成式3D部件非模态分割

3D 部件非模态分割——将 3D 形状分解为完整、语义上有意义的部件，即使在遮挡的情况下也是如此——对于 3D 内容创作和理解来说是一项具有挑战性但至关重要的任务。现有的 3D 部件分割方法仅识别可见的表面片，限制了它们的实用性。受到 2D 非模态分割的启发，我们将这项新颖的任务引入到 3D 领域，并提出了一种实用的两阶段方法，解决了推断遮挡的 3D 几何形状、保持全局形状一致性以及处理训练数据有限的各种形状的关键挑战。首先，我们利用现有的 3D 部件分割来获得初始的、不完整的部件分割。其次，我们引入 HoloPart，一种新颖的基于扩散的模型，用于将这些分割补全为完整的 3D 部件。HoloPart 利用具有局部注意力机制的专用架构来捕捉细粒度的部件几何形状，并利用全局形状上下文注意力机制来确保整体形状一致性。我们基于 ABO 和 PartObjaverse-Tiny 数据集引入了新的基准，并证明 HoloPart 显著优于最先进的形状补全方法。通过将 HoloPart 与现有的分割技术相结合，我们在 3D 部件非模态分割方面取得了可喜的成果，为几何编辑、动画和材质分配等应用开辟了新的途径。