OrnaStyler：用于保留内容的 3D 风格化的装饰感知潜在编辑

3D 资源的文本引导样式编辑对于使现有对象适应数字内容创建中的不同视觉美学至关重要。尽管 3D 形状建模取得了快速进展，但当所需的风格化涉及细粒度的结构装饰时，忠实地对现有资产进行风格化仍然具有挑战性，这需要模型保留源几何形状和对象身份，同时连贯地集成新的特定于样式的细节。我们提出 \textbf{OrnaStyler}，一个用于文本引导装饰感知 3D 风格化的零镜头框架。 OrnaStyler 基于经过修正的基于流的生成建模，引入了一种反转引导编辑策略，以分阶段的方式恢复几何和外观级别的内容感知潜在表示，以促进忠实的编辑。我们的核心思想是明确地建模风格元素的空间配置，从而缓解体素空间中内容保存和风格表达之间的基本紧张关系。具体来说，在几何层面，我们通过流反转来操纵体素表示，以合成装饰增强的结构，同时保留源资产的空间特性。然后，在外观层面，我们引入了一种邻接感知特征修复机制，以协调新生成的装饰与原始内容，从而产生连贯的几何外观集成。我们的方法仅在推理阶段运行，并且能够对几何增强或外观风格化进行选择性编辑。针对现有方法对生成的和现实世界的 3D 资源进行的大量实验表明，OrnaStyler 在内容保存、风格保真度和整体视觉真实感方面实现了最先进的编辑性能。代码位于：https://github.com/tomohiro0427/OrnaStyler