生成模型和隐式表示方面的令人印象深刻的进展，促成了能够生成高质量3D形状的方法。然而，能够局部控制和编辑形状是另一个至关重要的属性，可以解锁多种内容创建应用。利用零件感知模型可以实现局部控制，但现有方法需要三维监督并且无法产生纹理。在这项工作中，我们设计了PartNeRF，一种新颖的零件感知生成模型，用于可编辑的3D形状合成，不需要任何显式的三维监督。我们的模型将物体生成为一组局部定义的NeRF，增加仿射变换。这使得我们可以进行多种编辑操作，例如对部件应用变换，混合来自不同物体的部件等等。为确保独特且易于操作的零件，我们强制使射线硬分类到各个零件，以确保每个射线的颜色仅由单个NeRF确定。因此，改变一个部分不会影响其他部分的外观。在各种ShapeNet类别的评估中，与需要三维监督或依赖NeRF模型的先前基于零件的生成方法相比，我们的模型能够生成具有改进保真度的可编辑3D对象。
论文链接：http://arxiv.org/pdf/2303.09554v1
更多计算机论文：http://cspaper.cn/