StructParts：同一个形状潜变量，在部件与整件坐标间交替推理
怎样复用整体3D先验，而不让小部件细节或装配结构失真？
StructParts给粗网格附上面级分割，让同一潜变量交替接受部件局部与整件全局位置编码。它减少适配训练成本并支持合并、拆分部件；但自然粗网格错误仍会传递，也没有验证纹理、UV和PBR资产交付。
图解主要方法
怎样复用整体3D先验，而不让小部件细节或装配结构失真？
- 1
01 · 保留模型熟悉的粗网格条件
先用Hunyuan3D-2.1生成整体粗网格，再由P3-SAM提供面标签，形成分割骨架。训练使用经过水密重建的真值部件，推理才用预测骨架。图2展示的数据流中骨架及部件是GT示意，不能把它误认为单图实测结果。
- 2
02 · 同一部件拥有局部与全局坐标
每个部件按自己的包围盒归一化，形成128³局部体素索引，再映射到512³整体坐标。局部坐标让小零件也占满学习空间，全局坐标约束它在整个资产中的位置；不是另造两套互不关联的形状。
- 3
03 · 交替部件内和跨部件注意力
21层DiT按层交替：局部层只在同一部件内注意，全局层跨全部部件协调。两者共用预训练权重，每层另通过DINOv2图像特征注入细节；用流匹配速度目标微调，VAE也以512个每部件token适配。
- 4
04 · 编辑分割范围而非重生成整件
合并或拆分骨架标签决定哪些部件潜变量重新采样，未编辑区域的token保留。输出独立部件网格及装配，适合后续局部修改；机制不自动生成关节约束、UV图集或连续PBR材质，仍需独立资产处理。
实验与证据
已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。
来源证据PartObjaverse-Tiny200件中，GT布局的部件CD为0.107、F（阈值0.05）为0.67，发布版X-Part为0.114与0.63；预测骨架整件CD0.045、F0.63，X-Part0.043与0.65。 表1–2：区分GT布局与真实单图流程 ↗
我的解读部件细节指标领先，不代表端到端整件几何全面领先；GT布局实验不能替代自动分割的真实使用条件。
来源证据约3.6万对象、24视角、40K步，8张H200四天共768 GPU小时；匹配X-Part只完成28K步，部件CD0.169。StructParts每对象92.7 TFLOPs，对照137.4。 附录A2：匹配训练预算 ↗
我的解读效率比较有相同数据和预算支持；但“轻量”是相对既有大模型适配，并非消费级低成本训练。
来源证据输入骨架整体CD0.049、输出0.045，F（阈值0.05）都为0.63；5%几何噪声后F降至0.51。GT边界标签20%污染时部件F从0.67降至0.58。 附录A3：输入误差与几何保持 ↗
我的解读整体距离不足以证明高频细节恢复；装配后的整体指标还可能隐藏错误部件边界。
来源证据200件ABO子集CD0.021，发布版X-Part0.023。PartObjaverse配对bootstrap中，CD差−0.0089的95%区间跨零；F（阈值0.05）提升区间为+0.02至+0.06。 附录A4：不确定性与跨集 ↗
我的解读显著性不能从均值全面推出，最清晰的配对改善在F（阈值0.05）；仍是单次训练，动物类别有重尾失败。
开放情况与使用许可
2026-10-18已读取推理README、infer.py和许可证；代码实际存在，训练流程未在本次核实。模型入口Goatzyq/structparts返回401，README称准备期私有，不能确认权重公开下载。实现保留Hunyuan3D-2.1社区许可证及地域限制；论文原图CC BY 4.0不覆盖模型。
LICENSE论文原图 CC BY 4.0
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
双坐标与交替注意力直接对应“小部件细节”和“全局装配”的冲突，匹配预算实验比只与大型发布模型比较更有解释力。
反方 · 哪些结论还不够
依赖粗网格拓扑与分割正确，不能可靠修复自然结构错误；没有UV接缝、纹理连续、PBR分解、去光照或重光照评测，也不自动产出可动画关节。
综合判断
有实验证据的部件几何适配方法；适合进入人工可检查的资产流程，不能把分件网格视为完整生产资产。
我会先做的验证
未执行的验证方案：对同一批资产固定预测骨架，加入自然缺件与错误连接，逐件量化部件边界、碰撞、装配间隙；再测试重拓扑、UV展开及统一材质烘焙后的接缝与可编辑性。