論文の概要: LoopDraw: a Loop-Based Autoregressive Model for Shape Synthesis and Editing

• arxiv url: http://arxiv.org/abs/2212.04981v1
• Date: Fri, 9 Dec 2022 16:41:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 16:07:40.177626
• Title: LoopDraw: a Loop-Based Autoregressive Model for Shape Synthesis and Editing
• Title（参考訳）: LoopDraw: 形状合成と編集のためのループベース自己回帰モデル
• Authors: Nam Anh Dinh, Haochen Wang, Greg Shakhnarovich, Rana Hanocka
• Abstract要約: 断面閉ループの列を用いて, 形状を表現するための新しい, 説得力のある代替手段を提案する。 すべての平面にまたがるループは、自己回帰的な形状の合成と編集に活用する組織階層を形成します。
• 参考スコア（独自算出の注目度）: 22.570677786436846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There is no settled universal 3D representation for geometry with many alternatives such as point clouds, meshes, implicit functions, and voxels to name a few. In this work, we present a new, compelling alternative for representing shapes using a sequence of cross-sectional closed loops. The loops across all planes form an organizational hierarchy which we leverage for autoregressive shape synthesis and editing. Loops are a non-local description of the underlying shape, as simple loop manipulations (such as shifts) result in significant structural changes to the geometry. This is in contrast to manipulating local primitives such as points in a point cloud or a triangle in a triangle mesh. We further demonstrate that loops are intuitive and natural primitive for analyzing and editing shapes, both computationally and for users.
• Abstract（参考訳）: 点雲、メッシュ、暗黙の関数、ボクセルなど多くの選択肢がある幾何学の確立された普遍的な3d表現は存在しない。 本稿では,断面閉ループの列を用いた形状表現のための,新しい説得力のある代替手法を提案する。 すべての平面を横断するループは、自己回帰的な形状合成と編集に活用する組織階層を形成します。 ループは基礎となる形状の非局所的な記述であり、単純なループ操作(シフトなど)は幾何学に大きな構造的変化をもたらす。 これは点雲の点や三角形メッシュの三角形のような局所原始的な操作とは対照的である。 さらに、ループは直感的で自然なプリミティブであり、計算とユーザの両方で形状の分析と編集を行うことができることを実証する。

関連論文リスト

• Geometrically Consistent Partial Shape Matching [50.29468769172704]
  3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。 しばしば無視されるが、整合幾何学の重要な性質は整合性である。 本稿では,新しい整数型線形計画部分形状整合式を提案する。
  論文  参考訳（メタデータ） (2023-09-10T12:21:42Z)
• Zero-Shot 3D Shape Correspondence [67.18775201037732]
  本稿では,3次元形状間の対応性を計算するためのゼロショット手法を提案する。 我々は、最近の基礎モデルの言語と視覚における例外的な推論能力を活用している。 提案手法は, 強い非等尺形状の間において, ゼロショット方式で高確率な結果をもたらす。
  論文  参考訳（メタデータ） (2023-06-05T21:14:23Z)
• Dr. KID: Direct Remeshing and K-set Isometric Decomposition for Scalable Physicalization of Organic Shapes [5.385289130801911]
  KID(Dr. KID)は、ジャガイモ形有機モデルの物理化に等尺分解を用いるアルゴリズムである。 クラスタリングには、距離関数として定義される三角形間の類似性が必要である。 よりスムーズな結果を得るために、三角形の分割と曲率を意識したクラスタリングを用い、3Dプリンティングのために曲面の三角形パッチを生成する。
  論文  参考訳（メタデータ） (2023-04-06T08:56:18Z)
• A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
  本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。 従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:47:47Z)
• CloudWalker: Random walks for 3D point cloud shape analysis [20.11028799145883]
  ランダムウォークを用いた3次元形状学習手法であるCloudWalkerを提案する。 提案手法は,2つの3次元形状解析タスク(分類と検索)に対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-12-02T08:24:01Z)
• Unsupervised Learning for Cuboid Shape Abstraction via Joint Segmentation from Point Clouds [8.156355030558172]
  複雑な3Dオブジェクトを、形状抽象化として知られる単純な幾何学的原始体として表現することは、幾何学的モデリング、構造解析、形状合成において重要である。 本研究では、点雲をコンパクトな立方体表現にマッピングするための教師なし形状抽象化法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T09:15:16Z)
• LASR: Learning Articulated Shape Reconstruction from a Monocular Video [97.92849567637819]
  1つのビデオから3d形状を学習するためのテンプレートフリー手法を提案する。 本手法は,人間,動物,未知のクラスの映像から,非剛体3D構造を忠実に再構築する。
  論文  参考訳（メタデータ） (2021-05-06T21:41:11Z)
• ShapeAssembly: Learning to Generate Programs for 3D Shape Structure Synthesis [38.27280837835169]
  本研究では,3次元形状構造のためのドメイン固有の「アセンブリ言語」であるShapeAssemblyを提案する。 PartNetデータセットの既存の形状構造からShapeAssemblyプログラムを抽出する方法を示す。 生成したプログラムから出力される形状を、他の最近の形状構造モデルと比較することにより、我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2020-09-17T02:26:45Z)
• Deep Geometric Texture Synthesis [83.9404865744028]
  幾何学的テクスチャを合成するための新しい枠組みを提案する。 単一の参照3Dモデルの局所的な近傍からテクスチャ統計を学習する。 我々のネットワークはメッシュ頂点を任意の方向に変位させ、幾何学的テクスチャの合成を可能にする。
  論文  参考訳（メタデータ） (2020-06-30T19:36:38Z)
• Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
  3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。 本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
  論文  参考訳（メタデータ） (2020-03-03T17:40:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。