💻 computer science

Velocity-Space 3D Asset Editing

यह शोध पत्र VS3D को प्रस्तुत करता है, जो स्थानीय 3D एसेट संपादन (local 3D asset editing) के लिए एक प्रशिक्षण-मुक्त (training-free) और मास्क-मुक्त (mask-free) फ्रेमवर्क है, जो सीधे ODE सैंपलर के भीतर लक्षित वेलोसिटी-स्पेस हस्तक्षेपों—विशेष रूप से रिकंस्ट्रक्शन-एंकोर्ड सोर्स इंजेक्शन (Reconstruction-Anchored Source Injection), पार्शियल-मीन गाइडेंस (Partial-Mean Guidance), और ट्विन-एग्रीमेंट रेसिडुअल इंजेक्शन (Twin-Agreement Residual injection)—को लागू करके रेक्टिफाइड-फ्लो जनरेटरों (rectified-flow generators) में पहचान रिसाव (identity leakage) और सिग्नल हस्तक्षेप (signal interference) को हल करता है।

मूल लेखक: Hao Liu, Yuxuan Lin, Jingfeng Guo, Ruihang Chu, Junjie Wang, Ruotong Li, Yujiu Yang

प्रकाशित 2026-05-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hao Liu, Yuxuan Lin, Jingfeng Guo, Ruihang Chu, Junjie Wang, Ruotong Li, Yujiu Yang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास एक डिजिटल 3D मूर्ति है, जैसे कि मिट्टी का बना एक मूस (moose) का मॉडल। आप इसे बिना उसके कान, नाक या उसके फर की बनावट बदले, एक नई टोपी पहनाना चाहते हैं। यह लोकल 3D एडिटिंग (local 3D editing) का लक्ष्य है: एक विशिष्ट भाग को बदलना जबकि बाकी सब कुछ बिल्कुल वैसा ही रहे जैसा वह था।

यह लेख एक नया टूल पेश करता है जिसे VS3D कहा जाता है जो यह काम पूरी तरह से करता है, और इसके लिए आपको मैन्युअल रूप से "मास्क" (एक डिजिटल स्टेंसिल) बनाने की आवश्यकता नहीं है जिससे कंप्यूटर को यह बताना पड़े कि किसे छूना है और किसे अनदेखा करना है। इसके लिए आपको AI को फिर से प्रशिक्षित (retrain) करने की भी आवश्यकता नहीं है।

लेखक इस समस्या और इसके समाधान को सरल उपमाओं (analogies) का उपयोग करके इस प्रकार समझाते हैं:

समस्या: "लीकी होज़" (The "Leaky Hose")

वर्तमान AI टूल्स 3D जेनरेशन के लिए एक पाइप (hose) की तरह काम करते हैं जो एक आकार बनाने के लिए पानी (वेग/velocity) छिड़कता है। आकार को बदलने के लिए, वे एक जगह पर पानी की दिशा बदलने की कोशिश करते हैं।

हालाँकि, लेखकों ने पाया कि मौजूदा टूल्स के काम करने के तरीके में तीन बड़ी समस्याएँ हैं:

"स्पिलओवर" (पहचान का रिसाव - Identity Leakage): जब आप टोपी जोड़ने के लिए एक दिशा में पानी का दबाव बढ़ाते हैं, तो दबाव लीक होकर गलती से पूरे मूस पर भी छिड़क जाता है। मूस के कान हिल सकते हैं या उसके फर का रंग बदल सकता है क्योंकि "एडिट सिग्नल" को नियंत्रित नहीं किया गया था।
"कमजोर सिग्नल" (कोई प्रवर्धन नहीं - No Amplification): स्पिलओवर को रोकने के लिए, लोग आमतौर पर पानी का दबाव कम कर देते हैं। लेकिन यदि आप दबाव बहुत कम कर देते हैं, तो आप जो टोपी जोड़ने की कोशिश कर रहे हैं वह धुंधली और कमजोर हो जाएगी। मौजूदा तरीकों के साथ आप एक मजबूत टोपी और एक शांत (अछूता) मूस एक साथ नहीं रख सकते।
"ग्लोबल पुल" (पहचान का खिंचाव - Identity Drag): मूर्ति बनाने के अंतिम चरणों में, AI एक नए मूस (टोपी के साथ) की तस्वीर देखता है और पूरी मूर्ति को उस तस्वीर जैसा बनाने की कोशिश करता है। यह प्रक्रिया अनछुए हिस्सों (जैसे मूस के पैर) को उनके मूल रूप से दूर खींच लेती है, जिससे वे नई टोपी के अनुरूप होने के कारण विकृत हो जाते हैं।

मौजूदा टूल्स इसे "मास्क" का उपयोग करके (AI को यह बताने के लिए कि "यहाँ मत छुओ") या बाद में टुकड़ों को आपस में जोड़कर ठीक करने की कोशिश करते हैं। लेखक कहते हैं कि यह लीकी होज़ (लीक होने वाले पाइप) को बाहर से टेप लगाकर ठीक करने की कोशिश करने जैसा है, न कि अंदर के प्रेशर वाल्व को ठीक करने जैसा।

समाधान: VS3D (द "इंटरनल फिक्स")

VS3D AI के इंजन (ODE सैंपलर) के अंदर से पानी के दबाव और दिशा को समायोजित करके इस समस्या को ठीक करता है। इसके लिए वे तीन विशिष्ट चरणों में तीन चतुर तरीकों का उपयोग करते हैं:

1. RASI: "कस्टम एंकर" (The "Custom Anchor")

उपमा: कल्पना कीजिए कि AI समुद्र में बहती एक नाव है। जब आप इसे एक नए गंतव्य (टोपी) की ओर ले जाना चाहते हैं, तो लहरें आमतौर पर पूरी नाव को रास्ते से भटका देती हैं।
समाधान: RASI एक कस्टम एंकर की तरह है जिसे विशेष रूप से इसी नाव के लिए गिराया जाता है। यह इंजन को कैलिब्रेट करता है ताकि जब आप टोपी की ओर मुड़ें, तो इंजन को पता हो कि बाकी नाव के भटकाव को कैसे रद्द करना है। यह सुनिश्चित करता है कि "पानी" केवल वहीं चले जहाँ आप चाहते हैं, जिससे बिना मास्क के ही स्पिलओवर रुक जाता है।

2. PMG: "सिग्नल बूस्टर" (The "Signal Booster")

उपमा: कल्पना कीजिए कि आप एक शोर भरे कमरे (AI के रैंडम नॉइज़) में एक फुसफुसाहट (एडिट) सुनने की कोशिश कर रहे हैं। यदि आप केवल सुनते हैं, तो आप या तो फुसफुसाहट मिस कर सकते हैं या बहुत अधिक शोर सुन सकते हैं।
समाधान: PMG एक स्मार्ट साउंड इंजीनियर की तरह काम करता है। यह फुसफुसाहट को दो बार सुनता है: एक बहुत अधिक बैकग्राउंड नॉइज़ के साथ और एक कम शोर के साथ। दोनों की तुलना करके, यह पता लगा सकता है कि "फुसफुसाहट" (टोपी) वास्तव में क्या है और केवल उसी विशिष्ट ध्वनि की आवाज़ बढ़ा सकता है। यदि नाव पहले से ही स्थिर है (एडिट की आवश्यकता नहीं है), तो बूस्टर शांत रहता है। यह बिना बाकी हिस्से को बिगाड़े एडिट को मजबूत बनाता है।

3. TAR: "डबल-चेक" (The "Double-Check")

उपमा: नाव को मोड़ने के बाद, चालक दल विवरण पेंट करना शुरू करता है। वे नई नाव की फोटो देखते हैं और गलती से पुराने हिस्सों को गलत पेंट कर देते हैं क्योंकि वे नई टोपी पर बहुत अधिक ध्यान केंद्रित कर रहे होते हैं।
समाधान: TAR समानांतर में एक "ट्विन" सिमुलेशन चलाता है। यह AI से पूछता है: "यदि हमने इसी सटीक आकार का निर्माण किया होता लेकिन पुरानी फोटो का उपयोग किया होता, तो क्या पैर अलग दिखते?"
- यदि दोनों सिमुलेशन में पैर एक जैसे दिखते हैं, तो AI जानता है: "आह, इन पैरों को नई टोपी के प्रभाव की आवश्यकता नहीं है।" इसके बाद यह बनावट (texture) को धीरे से उसके मूल रूप पर वापस ले आता है।
- यदि पैर अलग दिखते हैं, तो यह समझ जाता है: "यह एडिट का हिस्सा है," और इसे अकेला छोड़ देता है।
  यह सुनिश्चित करता है कि अनछुए हिस्सों का फर और रंग मूल रूप के प्रति सच्चा रहे।

परिणाम

इन तीन आंतरिक सुधारों को मिलाकर, VS3D एक 3D एसेट ले सकता है, उसमें टोपी जोड़ सकता है, पूंछ हटा सकता है, या रंग बदल सकता है, और बाकी वस्तु पूरी तरह से समय में जमी हुई (स्थिर) रहती है।

कोई मास्क नहीं: आपको उस भाग के चारों ओर घेरा बनाने की आवश्यकता नहीं है जिसे आप बदलना चाहते हैं।
कोई रिट्रेनिंग नहीं: यह AI के साथ ठीक वैसे ही काम करता है जैसा इसे मूल रूप से बनाया गया था।
उच्च गुणवत्ता: लेखकों ने कई वस्तुओं पर इसका परीक्षण किया और पाया कि यह अन्य तरीकों की तुलना में मूल रूप को बहुत बेहतर बनाए रखता है, भले ही आप एक साथ चीजें जोड़ने और हटाने जैसे जटिल बदलाव कर रहे हों।

संक्षेप में, VS3D एक मास्टर मूर्तिकार की तरह है जो जानता है कि मूर्ति में एक नया फीचर कैसे तराशा जाए ताकि अनजाने में उन हिस्सों को नुकसान न पहुँचे जिन्हें वह सुरक्षित रखना चाहता था, और यह सब बाहरी टेप या गोंद का उपयोग करने के बजाय अपनी आंतरिक तकनीक को समायोजित करके करता है।

तकनीकी सारांश: VS3D (वेलोसिटी-स्पेस 3D एसेट एडिटिंग)

1. समस्या विवरण (Problem Statement)

3D एसेट्स का सटीक स्थानीय संपादन (precise local editing)—अर्थात एक विशिष्ट क्षेत्र को संशोधित करना जबकि शेष भाग को सख्ती से सुरक्षित रखना—नेटिव 3D जनरेटरों के लिए एक मौलिक चुनौती है। मौजूदा दृष्टिकोण आमतौर पर जेनेरेटिव मॉडल से बाहरी तंत्रों पर निर्भर करते हैं, जैसे कि मैनुअल 3D मास्क, पोस्ट-हॉक वोक्सेल मर्जिंग (voxel merging), या 2D मल्टी-व्यू लिफ्टिंग। ये विधियाँ पहचान के रिसाव (identity leakage) के मूल कारण को संबोधित करने में विफल रहती हैं: जो कि रेक्टिफाइड-फ्लो ऑर्डिनरी डिफरेंशियल इक्वेशन (ODE) सैंपलर के भीतर वेलोसिटी फील्ड (velocity field) का व्यवहार है।

एक फ्रोजन रेक्टिफाइड-फ्लो DiT (डिफ्यूजन ट्रांसफार्मर) का उपयोग करते समय संपादन के लिए, वेलोसिटी फील्ड को लक्षित क्षेत्र पर एक मजबूत 'एडिट सिग्नल' ले जाना चाहिए और संरक्षित सामग्री पर शून्य होना चाहिए। हालांकि, एक एकल वेलोसिटी फील्ड इन परस्पर विरोधी आवश्यकताओं को पूरा करने के लिए संघर्ष करता है, जिससे तीन विशिष्ट विफलता मोड उत्पन्न होते हैं:

आइडेंटिटी लीकेज (Identity Leakage): भले ही स्थितियाँ स्थानीय रूप से सहमत हों, क्लासिफायर-फ्री गाइडेंस (CFG) विषमता और ग्लोबल इमेज एम्बेडिंग्स से प्रेरित अटेंशन-मीडिएटेड रेसिडुअल्स के कारण संरक्षित क्षेत्रों पर वेलोसिटी अंतर ( $v_\Delta$ ) गैर-शून्य बना रहता है।
एडिट एम्प्लीफिकेशन की कमी (Lack of Edit Amplification): एडिट सिग्नल को मजबूत करने से अनजाने में संरक्षित क्षेत्रों की पहचान बाधित हो जाती है क्योंकि दोनों कार्य वेलोसिटी फील्ड के भीतर समान डिग्री ऑफ फ्रीडम के लिए प्रतिस्पर्धा करते हैं। इसके अलावा, 3D में वेलोसिटी अंतर का मोंटे-कार्लो अनुमान निरंतर सिग्नल के बजाय वेरिएंस (variance) द्वारा हावी होता है।
ग्लोबल कंडीशन ओवरराइड (Global Condition Override): ज्योमेट्री और मटेरियल रिफाइनमेंट चरणों में, एक एकल ग्लोबल इमेज-फीचर टोकन प्रत्येक टोकन को लक्षित अपीयरेंस की ओर खींचता है, जिससे स्रोत की पहचान ओवरराइट हो जाती है और टेक्सचर ड्रिफ्ट या ज्योमेट्रिक डिस्टॉर्शन होता है।

वर्तमान समाधान पहचान संरक्षण को सीधे उस स्थान पर हस्तक्षेप करने के बजाय बाहरी उपकरणों को सौंप देते हैं जहाँ भ्रष्टाचार (corruption) उत्पन्न होता है—यानी ODE सैंपलर के भीतर।

2. कार्यप्रणाली: VS3D (Methodology: VS3D)

लेखक VS3D का प्रस्ताव करते हैं, जो एक इनवर्जन-फ्री, ट्रेनिंग-फ्री, और मास्क-फ्री फ्रेमवर्क है जो ODE सैंपलर के भीतर लक्षित हस्तक्षेपों के माध्यम से इन मुद्दों को संबोधित करता है। यह विधि एक नेटिव 3D जनरेटर (विशेष रूप से TRELLIS 2.0) पर कार्य करती है जो तीन चरणों में विस्तृत होती है: स्पार्स-स्ट्रक्चर जनरेशन, ज्योमेट्री जनरेशन, और मटेरियल जनरेशन।

VS3D तीन पूरक मॉड्यूल को एकीकृत करता है जो पाइपलाइन के विशिष्ट चरणों के अनुरूप हैं:

A. रिकंस्ट्रक्शन-एंकोर्ड सोर्स इंजेक्शन (RASI)

लक्ष्य: चरण 1 (डेंस ऑक्यूपेंसी लेटेंट)
RASI दो-चैनल पहचान रिसाव (CFG विषमता और ग्लोबल कंडीशन रेसिडुअल्स) को संबोधित करता है।

तंत्र (Mechanism): एक निश्चित अनकंडीशनल एम्बेडिंग ( $\phi_0$ ) का उपयोग करने के बजाय, RASI एक सोर्स-रिकंस्ट्रक्शन प्रोब के माध्यम से एक प्रति-स्टेप, एसेट-विशिष्ट अनकंडीशनल एम्बेडिंग ( $\phi_t$ ) को अनुकूलित (optimize) करता है।
प्रक्रिया: प्रत्येक टाइमस्टेप पर, यह विधि एक $\phi_t$ खोजने के लिए एक ऑप्टिमाइज़ेशन समस्या को हल करती है, जो वेलोसिटी गणना में उपयोग किए जाने पर, तब सटीक रूप से सोर्स लेटेंट ( $x_{src}$ ) को पुनर्गठित करने के लिए मजबूर करती है जब टारगेट कंडीशन को सोर्स कंडीशन से बदल दिया जाता है।
प्रभाव: यह सोर्स ट्राजेक्टरी को "एंकर" (anchor) करता है। वास्तविक संपादन के दौरान, कैश किया गया $\phi_t$ लीकेज चैनलों को अवशोषित कर लेता है, जिससे बिना किसी बाहरी मास्क के, गैर-संपादित वोक्सेल्स पर $v_\Delta$ शून्य की ओर गिर जाता है।

B. पार्शियल-मीन गाइडेंस (PMG)

लक्ष्य: चरण 1 (एडिट सिग्नल एम्प्लीफिकेशन)
PMG पहचान बनाए रखने और एडिट सिग्नल को बढ़ाने के बीच के संघर्ष को हल करता है।

तंत्र: यह वेलोसिटी अंतर के अनुमान के मोंटे-कार्लो स्ट्रक्चर का लाभ उठाता है। विधि वेलोसिटी अंतर का एक उच्च-गुणवत्ता वाला मीन अनुमान ( $\hat{\mu}_S$ ) और एक शोर वाला पार्शियल-सैंपल मीन ( $\hat{\mu}_L$ ) कंप्यूट करती है।
प्रक्रिया: यह शोर वाले अनुमान से दूर एक्सट्रपलेशन (extrapolate) करता है: $\hat{\mu}_{final} = \hat{\mu}_S + w(\hat{\mu}_S - \hat{\mu}_L)$ ।
प्रभाव: यह एम्प्लीफिकेशन स्वचालित रूप से वेलोसिटी फील्ड द्वारा गेट (gate) किया जाता है। उन गैर-संपादित क्षेत्रों पर जहाँ RASI ने सिग्नल को शून्य कर दिया है, वहां एक्सट्रपलेशन नगण्य होता है। उन संपादित क्षेत्रों पर जहाँ एक सुसंगत सिग्नल मौजूद है, वहां एम्प्लीफिकेशन बिना किसी अतिरिक्त फॉरवर्ड पास या मास्क के एडिट दिशा को मजबूत करता है।

C. ट्विन-एग्रीमेंट रेसिड्यूल इंजेक्शन (TAR)

लक्ष्य: चरण 2 और 3 (स्पार्स ज्योमेट्री और मटेरियल)
TAR स्पार्स रिफाइनमेंट चरणों में ग्लोबल कंडीशन को सोर्स आइडेंटिटी को ओवरराइट करने से रोकता है, जहाँ मिसमैच्ड वोक्सेल सपोर्ट के कारण सीधा ODE कपलिंग असंभव है।

तंत्र: सैंपलर एक ही कोऑर्डिनेट स्कैफोल्ड और नॉइज़ पर एक "ट्विन" फॉरवर्ड पास चलाता है, लेकिन यह टारगेट के बजाय सोर्स इमेज ( $c_{src}$ ) पर कंडिशन्ड होता है।
प्रक्रिया: यह टारगेट आउटपुट ( $z_{tgt}$ ) और ट्विन सोर्स आउटपुट ( $z_{twin}$ ) के बीच एक प्रति-टोकन डिसएग्रीमेंट मैप ( $d_i$ ) कंप्यूट करता है। कम डिसएग्रीमेंट (उच्च सहमति) वाले टोकन को गैर-संपादित के रूप में पहचाना जाता है।
प्रभाव: सहमत टोकनों के लिए, विधि सोर्स एनकोडिंग ( $z_{src}$ ) से एक रेसिड्यूल को टारगेट लेटेंट में वापस इंजेक्ट करती है, जो प्रभावी रूप से ज्योमेट्री और मटेरियल को सोर्स की ओर वापस खींचती है। असहमत टोकन (एडिट क्षेत्र) अछूते रहते हैं। यह सैंपलर को टोकन-दर-टोकन यह तय करने की अनुमति देता है कि किसे संरक्षित करना है।

3. मुख्य योगदान (Key Contributions)

RASI: एक प्रति-स्टेप अनकंडीशनल एम्बेडिंग को अनुकूलित करके दो-चैनल पहचान रिसाव (CFG विषमता और अटेंशन रेसिडुअल्स) को समाप्त करने की एक विधि, जो बिना किसी बाहरी मास्क के सुनिश्चित करती है कि $v_\Delta$ गैर-संपादित क्षेत्रों पर शून्य हो जाए।
PMG: वेलोसिटी अंतर के सब-सैंपल मीन्स के बीच एक्सट्रपलेशन करके एडिट एम्प्लीफिकेशन को पहचान संरक्षण से अलग करने की एक तकनीक, जो स्वचालित रूप से सुसंगत एडिट सिग्नल्स वाले क्षेत्रों तक एम्प्लीफिकेशन को सीमित करती है।
TAR: एक ट्विन-फॉरवर्ड डिसएग्रीमेंट मैप का उपयोग करके स्पार्स चरणों में ग्लोबल आइडेंटिटी ड्रैग को दबाने का एक तंत्र, जो केवल वहीं सोर्स रेसिडुअल्स इंजेक्ट करता है जहाँ सैंपलर सहमत होता है कि कंटेंट को संरक्षित किया जाना चाहिए।
VS3D फ्रेमवर्क: एक एकीकृत, शुद्ध वेलोसिटी-स्पेस एडिटिंग प्रतिमान जो बिना इनवर्जन, ट्रेनिंग या मैनुअल मास्किंग के उच्च-फिडेलिटी स्थानीय संपादन और मजबूत पहचान संरक्षण प्राप्त करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने Objaverse से प्राप्त एक बेंचमार्क पर VS3D का मूल्यांकन किया, जिसमें इसे स्टेट-ऑफ-द-आर्ट नेटिव-3D एडिटर्स (TRELLIS 2.0, VoxHammer, Nano3D) और 2D-लिफ्टेड एडिटर्स (Instant3dit, Edit360, VecSet-Edit) के विरुद्ध तुलना की गई।

मात्रात्मक प्रदर्शन (Quantitative Performance): VS3D ने अधिकांश मेट्रिक्स में सर्वश्रेष्ठ परिणाम प्राप्त किए, जिसमें उच्चतम PSNR (22.51), SSim (0.867), और न्यूनतम LPIPS (0.145) शामिल है, जो बेहतर पहचान संरक्षण को दर्शाता है। इसने उच्चतम DINO-I (0.841) और CLIP-T (0.294) स्कोर भी प्राप्त किया, जो उच्च एडिट फिडेलिटी प्रदर्शित करता है।
गुणात्मक प्रदर्शन (Qualitative Performance): विधि ने उन बुनियादी ऑपरेशन्स (ऐड/रिमूव) और कंपाउंड एडिट्स (एक साथ ऐड/रिमूव) को सफलतापूर्वक संभाला जहाँ बेसलाइन्स विफल रहे। इसने गैर-संपादित क्षेत्रों में संरचनात्मक सामंजस्य और टेक्सचर निरंतरता बनाए रखी, जिससे 2D-लिफ्टेड दृष्टिकोणों में सामान्य सीम आर्टिफैक्ट्स (seam artifacts) और टोपोलॉजी विसंगतियों से बचा जा सका।
एब्लेशन स्टडीज (Ablation Studies): अध्ययन ने पुष्टि की कि प्रत्येक मॉड्यूल एक विशिष्ट विफलता मोड को संबोधित करता है: RASI ने ऑक्यूपेंसी ड्रिफ्ट को ठीक किया, PMG ने एडिट स्ट्रेंथ को बहाल किया, और TAR ने बाद के चरणों में सूक्ष्म सामग्री और टेक्सचर विवरणों को रिकवर किया।

5. महत्व और दावे (Significance and Claims)

पेपर दावा करता है कि VS3D यह प्रदर्शित करता है कि एक शुद्ध वेलोसिटी-स्पेस दृष्टिकोण प्री-ट्रेंड 3D जनरेटर्स के लिए एक सामान्य-उद्देश्य एडिटिंग प्रतिमान के रूप में कार्य कर सकता है। सीधे ODE सैंपलर के भीतर हस्तक्षेप करके, यह विधि निम्नलिखित की आवश्यकता के बिना उच्च-फिडेलिटी स्थानीय संपादन प्राप्त करती है:

बाहरी 3D मास्क (जो थकाऊ और नाजुक होते हैं)।
मॉडल इनवर्जन (जो कम्प्यूटेशनल रूप से महंगा और अस्थिर है)।
अतिरिक्त ट्रेनिंग या फाइन-ट्यूनिंग (LoRA)।

लेखक एक सीमा को स्वीकार करते हैं: चूंकि कोई हार्ड मास्क एडिट बाउंड्री को अलग नहीं करता है, इसलिए गैर-एडिट क्षेत्रों में पिक्सेल-लेवल टेक्सचर निरंतरता मूल के "समान, लेकिन बिल्कुल वैसा ही नहीं" है। हालांकि, वे तर्क देते हैं कि यह मास्क-फ्री विधियों की एक अंतर्निहित विशेषता है और व्यावहारिक परिदृश्यों में धारणात्मक अंतर (perceptual difference) मामूली और स्वीकार्य है। यह कार्य सुझाव देता है कि वेलोसिटी फील्ड को भीतर से नियंत्रित करना पहचान संरक्षण और एडिट एम्प्लीफिकेशन को एक साथ प्राप्त करने का सबसे सीधा मार्ग है, जो भविष्य के मास्क-फ्री 3D एडिटिंग अनुसंधान के लिए एक नया दृष्टिकोण प्रदान करता है।