知识卡片：SCULPT：通过减法组合生成3D部件

一句话结论

SCULPT 提出一种“减法组合”的部件感知 3D 生成框架，在结构化 3D 潜空间中迭代地“切出”一个部件并同步更新剩余物体，使得部件边界与整体几何在生成过程中原生对齐，避免了先分割或先加法拼装带来的接缝、穿透和材质不连续问题。

事件概述或研究问题

部件感知 3D 生成旨在生成既完整连贯、又暴露结构化部件（便于编辑、指定材质、动画和复用）的数字资产。现有方法往往在生成循环之外强加部件结构：

• 基于分割的方法：先生成完整形状，再划分部件；保留了生成几何，但部件边界是在物体固定之后才确定的。
• 加法方法：从预定义布局、包围盒或 token 合成部件，再拼接为整体；能明确部件数量，但共享边界容易出现缝隙、互相穿透和材质不连续。

SCULPT 试图通过“减法组合”解决上述两类方法的共同缺陷：不是先生成整体再切分，也不是先加合再调和，而是在生成过程中同步决定“切出来的部件”和“剩下的物体”。

方法/产品要点

• 输入：由结构化 3D 潜空间表示的完整物体，以及条件图像（或由文本生成图像输入）。
• 迭代过程：反复应用一个“联合切分预测器”（joint split predictor），每一步同时生成被提取出的一个部件和剩余物体。
• 耦合去噪：预测器执行耦合去噪过程，同时以输入图像和当前 3D 状态为条件，使提取的部件和更新后的剩余部分是“一起生成”的，而非事后调和。
• 稀疏支持联合处理：预测器在两者原生稀疏 3D 支持的并集上处理输出，允许相邻支持重叠，而不是强制不相交的体素划分。
• 停止条件：当剩余部分支持为空或达到固定上限时停止，因此生成部件数量可在该上限内自适应每个物体。

主要结果或产业意义

• 在 PartObjaverse 基准上取得了最先进的几何质量，同时部件组装后仍保持强完整的整体物体重建。
• 在四个数据集图像、一个文本生成图像输入和一个真实世界照片上，展示了超越基准的细粒度带纹理部件分解。
• 产业意义：可用于数字资产制作、动画绑定、材质分配和部件级复用等场景，有望减少从整体生成到可编辑资产之间的后处理成本。

为什么重要

与已有相关卡片中的 ELSA3D（统一 3D 理解与生成）和 ROAD（判别式语义迁移到扩散 Transformer）不同，SCULPT 聚焦于“部件感知生成”这一具体问题，并提出了生成内在的减法合成范式。其增量信息在于：部件边界不是后处理或加法拼装的副产品，而是在生成过程中被联合预测决定，从而在机制上避免接缝/穿透/材质不连续等常见缺陷。

局限与不确定性

• 摘要未提供定量数值（如 FID、IoU、用户研究等），具体性能指标待核实。
• 固定安全上限的具体值、对部件数量自适应能力的边界未说明，待核实。
• 方法对输入 3D 潜空间的依赖、对训练数据规模和多样性的要求未在摘要中说明，待核实。
• 真实世界照片和文本生成图像上的结果仅为定性展示，泛化能力有待更多实验验证。

可用于图书/PPT/简报的角度

• 用“从整块石头中凿出雕像”类比减法组合，解释与“先建整体再分割”和“零件拼装”的本质区别。
• 展示部件生成如何兼顾整体一致性与部件可编辑性，可作为 3D AIGC 从“生成形状”走向“生成资产”的关键案例。
• 可对比三类方法：分割法、加法、减法，用表格式图示说明各自在边界质量、部件数量和生成一致性上的取舍。

与既有脉络的关系

本条是对 3D 生成领域“部件级可控性”的补充，不同于 ELSA3D 的统一多任务框架和 ROAD 的训练效率优化，SCULPT 提出了一种新的生成范式（减法组合），可视为在整体 3D 生成基础上的部件感知扩展。

原始材料

• 英文标题：SCULPT: Subtractive Composition for 3D Part Generation
• 英文关键词：part-aware 3D generation; subtractive composition; joint split predictor; structured 3D latent space; diffusion
• 来源：arXiv:2608.13541v1 [cs.CV]
• URL: https://arxiv.org/abs/2608.13541v1
• 作者：Sikuang Li, Chen Yang, Jiemin Fang, Jiazhong Cen, Yuhe Wei, Jichen Pang, Wei Shen, Qi Tian
• 提交时间：2026-08-13T17:55:04Z