[논문리뷰] SeMo3D: Unifying 3D Generation, Editing, and Completion via Selective Modeling본 논문은 기존 3D 생성 모델들이 Holistic modeling 방식을 채택하여 전체 자산을 재생성함에 따라 발생하는 작업 분리, 영역 불일치, 그리고 데이터 의존성 문제를 해결하고자 합니다.#Review#3D Generation#3D Editing#3D Completion#Selective Modeling#Diffusion Transformer#Omni3DiT#Region-selective Denoising2026년 11월 3일댓글 수 로딩 중
[논문리뷰] EditHero: A Benchmark for Long-Horizon Part-Level 3D Editing and Vibe Modeling본 논문은 기존의 3D 편집 연구가 단일 단계의 수정에만 집중되어 있어, 실제 생산 환경에서의 연속적인 수정 요구사항을 충족하지 못한다는 문제를 해결하고자 합니다.#Review#3D Editing#Long-Horizon#Benchmark#Vibe Modeling#Self-Rollout#Part-Level2026년 10월 4일댓글 수 로딩 중
[논문리뷰] Learning 3D Editing without Paired Supervision via Generative Prior Distillation본 논문은 대규모 Paired 3D 데이터의 극심한 부족 문제를 해결하고자, 지도 학습 기반 3D 편집 모델의 한계를 극복하는 새로운 방식을 제안합니다.#Review#3D Editing#Generative Priors#Unpaired Learning#Distribution Matching Distillation#Vision-Language Model#3D Gaussian Splatting2026년 9월 8일댓글 수 로딩 중
[논문리뷰] Hunyuan3D-Buffalo 1.0: A Unified Multimodal Model for Scalable 3D Generation, Understanding, and EditingUnified 3D modeling은 scarce multimodal data, 특히 large-scale이고 geometrically consistent한 editing data의 부족으로 인해 여전히 제한적이다.#Review#Unified Multimodal Model#3D Generation#3D Understanding#3D Editing#Part Generation#Diffusion Models#Vision-Language Model#Large-scale Data2026년 8월 4일댓글 수 로딩 중
[논문리뷰] Part-X-MLLM: Part-aware 3D Multimodal Large Language Model본 논문은 기존 3D MLLM(Multimodal Large Language Model)이 3D 객체를 개별 부품으로 인식하고 조작하는 데 한계가 있다는 문제점을 해결하고자 합니다.#Review#3D Multimodal LLM#Part-aware#3D Generation#3D Editing#3D Understanding#Bounding Box#Structured Program#Dual-encoder2025년 11월 17일댓글 수 로딩 중
[논문리뷰] Towards Scalable and Consistent 3D Editing3D 에셋의 기하학적 형태나 외관을 로컬하게 수정하는 3D 편집 태스크에서 발생하는 주요 난제들을 해결하는 것을 목표로 합니다.#Review#3D Editing#Generative Models#Transformer Architecture#Dataset Generation#Multimodal Learning#Conditional Generation#Image-to-3D2025년 10월 10일댓글 수 로딩 중
[논문리뷰] VoxHammer: Training-Free Precise and Coherent 3D Editing in Native 3D Space본 논문은 기존 2D 이미지 기반의 3D 편집 방법론이 겪는 비일관성 및 비정밀성의 한계를 극복하고, 네이티브 3D 잠재 공간 에서 훈련 없이(training-free) 정밀하고 일관성 있는 3D 로컬 편집을 수행하는 것을 목표로 합니다.#Review#3D Editing#Training-Free#Diffusion Models#Latent Space#3D Inversion#Contextual Feature Replacement#3D Consistency#Edit3D-Bench2025년 8월 27일댓글 수 로딩 중
[논문리뷰] Tinker: Diffusion's Gift to 3D--Multi-View Consistent Editing From Sparse Inputs without Per-Scene Optimization본 논문은 기존 3D 편집 방식의 주요 한계인 방대한 장면별 최적화(per-scene optimization) 필요성 을 제거하고, 단일 또는 소수의 입력 이미지로부터 멀티-뷰 일관성(multi-view consistent) 을 유지하는 고품질 3D 편집을 목표로 합니다.#Review#3D Editing#Multi-View Consistency#Diffusion Models#Sparse Input#Zero-Shot Learning#Scene Completion#Gaussian Splatting2025년 8월 21일댓글 수 로딩 중