EditFlow3D: 경로 보존을 통한 3D 자산의 자동화된 로컬 편집

EditFlow3D: Automated Local Editing of 3D Assets with Trajectory Preservation

3D 자산의 제어 가능한 로컬 편집은 정확한 대상 영역 식별과 적절한 시각적 안내가 필요합니다. 그러나 기존 방법들은 간단하면서도 정확한 3D 마스크 생성에 어려움을 겪으며, 원하는 편집을 수행하는 동시에 대상 영역 외의 부분의 구조와 외관을 충실하게 유지하기 어렵습니다. 이러한 문제점을 해결하기 위해, 저희는 학습 과정이 필요 없는 로컬 3D 편집 프레임워크인 EditFlow3D를 제안합니다. EditFlow3D는 소스 자산과 편집 지침을 입력받아, VLM(Vision-Language Model) 기반의 워크플로우를 통해 편집 의도를 해석하고, 시각적 안내 이미지와 개선된 3D 편집 마스크를 자동으로 생성합니다. 이를 통해 사전 학습된 3D 생성 모델의 원래 표현 공간에서 로컬 편집을 수행할 수 있습니다. 구체적으로, 마스크 가이드 기반의 차등 흐름은 편집 영역을 대상 영역에 집중시키고, 단계별 경로 보존은 중간 특징을 직접 대체하지 않고도 대상 영역 외의 영역과 소스 자산 간의 일관성을 유지합니다. 기존의 Edit3D-Bench가 제한적인 로컬 편집 범주만을 다루는 반면, 저희는 더 광범위한 구조 및 외관 편집을 포함하는 보조 벤치마크인 EditFlow-Bench를 추가로 제안했으며, EditFlow3D를 두 벤치마크 모두에서 평가했습니다. 정량적 결과, 질적 비교 분석, 그리고 사용자 연구 결과는 EditFlow3D가 기존의 3D 편집 방법보다 대상 영역 편집 정확도가 높고, 대상 영역 외 영역을 더 잘 보존한다는 것을 보여줍니다.

Controllable local editing of 3D assets requires precise target localization and appropriate visual guidance. However, existing methods lack a simple yet accurate way to obtain 3D masks and struggle to achieve the desired edit while faithfully preserving the structure and appearance of non-target regions. To address these challenges, we present EditFlow3D, a training-free framework for local 3D editing. Given a source asset and an edit instruction, a VLM-driven workflow interprets the editing intent and automatically constructs a visual guidance image and a refined 3D editing mask, enabling localized editing in the native representation space of a pretrained 3D generative model. Specifically, mask-guided differential flow focuses the edit on the target region, while step-wise trajectory preservation maintains consistency between non-target regions and the source asset without directly replacing intermediate features. Since the existing Edit3D-Bench covers only a limited range of local editing categories, we further introduce EditFlow-Bench as a complementary benchmark encompassing a broader variety of structural and appearance edits, and evaluate EditFlow3D on both benchmarks. Quantitative results, qualitative comparisons, and a user study demonstrate that EditFlow3D achieves more accurate target-region editing and better preserves non-target regions than existing 3D editing methods.