AI-modeller
Tillbaka
Carnegie Mellon University
Carnegie Mellon University Forskning Stängd

Point2Part

En forskningsmodell som delar upp ett 3D-objekt i delar när man markerar en punkt per önskad del, och ser till att delarna tillsammans täcker hela objektet utan att överlappa.

  • 3D
Point2Part: en punkt per del ger en komplett uppdelning av objektet 1 / 8

Point2Part: en punkt per del ger en komplett uppdelning av objektet [3]

Om Point2Part[1][2][3][4]

Point2Part är ett forskningsprojekt från Carnegie Mellon University om att dela upp 3D-objekt i delar, till exempel en stol i sits, ben och ryggstöd. Användaren markerar en punkt för varje del hen vill ha, och modellen delar upp hela objektet mellan dessa punkter. Fler punkter ger en finare uppdelning.

Poängen är att delarna bildar en riktig uppdelning av helheten: de överlappar inte varandra och tillsammans blir de hela objektet. Enligt forskarna lämnar tidigare metoder ofta glipor mellan delarna eller låter dem gå in i varandra, vilket gör delarna svåra att använda i nästa steg, till exempel för animering eller 3D-utskrift.

Samma modell klarar tre uppgifter: att skapa ett 3D-objekt i delar från en enda bild, att dela upp ett befintligt 3D-nät (mesh) i slutna delar, och att märka ut vilka ytor på ett 3D-nät som hör till vilken del. Den bygger på en förtränad 3D-genereringsmodell, och tackar Hunyuan3D 2.1 och TripoSG i sin kod.

Enligt forskarnas egna jämförelser ger Point2Part den bästa delkvaliteten i alla tre uppgifterna och minskar hur mycket delarna tränger in i varandra med mer än en tiopotens. Koden och de förtränade modellerna är ännu inte släppta; GitHub-sidan listar dem som planerade.

Det viktigaste[1][2][3]

  • En punkt per önskad del styr uppdelningen, och antalet punkter bestämmer hur fint objektet delas.
  • Delarna överlappar aldrig och täcker tillsammans hela objektet.
  • En och samma modell gör bild till delar, 3D-nät till delar och segmentering av 3D-nät.
  • Enligt forskarna bäst på alla mått för delkvalitet, med mer än tio gånger mindre överlapp mellan delarna än tidigare metoder.
  • Kod och modellvikter är ännu inte släppta (planerade enligt GitHub).

Källor

  1. [1]
    Point2Part: Unified 3D Partitioning From Point Prompts ↗
    Carnegie Mellon University Officiell sida henrytsui000.github.io
    Publicerad okänt datum Läst 25 okt 2026
  2. [3]
    Point2Part: Unified 3D Partitioning from Point Prompts ↗
    GitHub (henrytsui000) Officiell sida github.com
    Publicerad okänt datum Läst 25 okt 2026
  3. [4]
    Gemini 4 Argon, GPT 6.1 Sol, Dots, Claude Sonnet 5.5, Flux 3: AI NEWS ↗
    AI Search Nyhetsbrev aisearch.substack.com
    Publicerad 4 okt 2026 Läst 25 okt 2026
  4. [5]
    Gemini 4, GPT 6.1, Plasma conjecture, Napoleon code solved, OpenAI Dots, Claude Sonnet 5.5: AI NEWS ↗
    AI Search Video youtube.com
    Publicerad 3 okt 2026 Läst 25 okt 2026
  5. [2]
    Point2Part: Unified 3D Partitioning from Point Prompts ↗
    arXiv Forskningsartikel arxiv.org
    Publicerad 29 sep 2026 Läst 25 okt 2026

Historik

  1. 25 okt 2026
    Tillagd i listan efter AI Search (nyhetsbrev 2026-10-04 och video 2026-10-03). [4]

Vår bedömning

Inte bedömd än. Alla kan ändra.

Kommentarer

Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.

⌘/Ctrl + Enter

Mer från Carnegie Mellon University