Fugu-MT 論文翻訳(概要): Conformal Generative Modeling on Triangulated Surfaces

論文の概要: Conformal Generative Modeling on Triangulated Surfaces

arxiv url: http://arxiv.org/abs/2303.10251v1
Date: Fri, 17 Mar 2023 21:06:47 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 20:32:28.991929
Title: Conformal Generative Modeling on Triangulated Surfaces
Title（参考訳）: 三角面の共形生成モデル
Authors: Victor Dorobantu, Charlotte Borcherds, Yisong Yue
Abstract要約: 離散三角形メッシュにより近似された2次元表面における共形生成モデリングの枠組みである共形生成モデリングを提案する。我々のアプローチは、離散共形幾何学の進歩を利用して、原三角形メッシュから球面のような単純な多様体のターゲット三角形メッシュへの写像を開発する。
参考スコア（独自算出の注目度）: 31.870141076085716
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose conformal generative modeling, a framework for generative modeling on 2D surfaces approximated by discrete triangle meshes. Our approach leverages advances in discrete conformal geometry to develop a map from a source triangle mesh to a target triangle mesh of a simple manifold such as a sphere. After accounting for errors due to the mesh discretization, we can use any generative modeling approach developed for simple manifolds as a plug-and-play subroutine. We demonstrate our framework on multiple complicated manifolds and multiple generative modeling subroutines, where we show that our approach can learn good estimates of distributions on meshes from samples, and can also learn simultaneously from multiple distinct meshes of the same underlying manifold.
Abstract（参考訳）: 離散的三角形メッシュによって近似された2次元曲面の生成モデリングのための枠組みである共形生成モデリングを提案する。本手法は, 離散共形幾何学の進歩を利用して, 原点三角形メッシュから球面のような単純多様体の目標三角形メッシュへの写像を開発する。メッシュの離散化による誤差を考慮した後、単純な多様体に対して開発された任意の生成的モデリングアプローチをプラグ・アンド・プレイ・サブルーチンとして利用できる。我々は,複数の複雑な多様体と多重生成モデリングサブルーチン上での枠組みを実証し,サンプルからメッシュ上の分布の良質な推定を学習し,同じ多様体の複数の異なるメッシュから同時に学習できることを示す。

関連論文リスト

SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
論文参考訳（メタデータ） (2024-09-30T17:59:03Z)
Understanding the Local Geometry of Generative Model Manifolds [14.191548577311904]
学習多様体のテクスト局所幾何学と下流生成の関係について検討する。所与の潜伏者に対して、局所記述子は世代美学、アーティファクト、不確実性、暗記などと相関していることを示す定量的かつ定性的な証拠を提供する。
論文参考訳（メタデータ） (2024-08-15T17:59:06Z)
Topology-Aware Latent Diffusion for 3D Shape Generation [20.358373670117537]
我々は,潜伏拡散と持続的ホモロジーを組み合わせた新しい生成モデルを導入し,高多様性の3次元形状を創出する。提案手法では,3次元形状を暗黙の場として表現し,位相的特徴の抽出に永続的ホモロジーを用いる。
論文参考訳（メタデータ） (2024-01-31T05:13:53Z)
PolyDiff: Generating 3D Polygonal Meshes with Diffusion Models [15.846449180313778]
PolyDiffは、現実的で多様な3Dポリゴンメッシュを直接生成できる最初の拡散ベースのアプローチである。我々のモデルは、下流3Dに統合可能な高品質な3D多角形メッシュを生成することができる。
論文参考訳（メタデータ） (2023-12-18T18:19:26Z)
Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文参考訳（メタデータ） (2023-03-26T12:03:18Z)
MeshDiffusion: Score-based Generative 3D Mesh Modeling [68.40770889259143]
本研究では,シーンの自動生成と物理シミュレーションのための現実的な3次元形状生成の課題について考察する。メッシュのグラフ構造を利用して、3Dメッシュを生成するのにシンプルだが非常に効果的な生成モデリング手法を用いる。具体的には、変形可能な四面体格子でメッシュを表現し、この直接パラメトリゼーション上で拡散モデルを訓練する。
論文参考訳（メタデータ） (2023-03-14T17:59:01Z)
Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文参考訳（メタデータ） (2023-02-01T02:47:53Z)
Neural Wavelet-domain Diffusion for 3D Shape Generation [52.038346313823524]
本稿では,ウェーブレット領域における連続的暗黙表現の直接生成モデリングを可能にする3次元形状生成の新しい手法を提案する。具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
論文参考訳（メタデータ） (2022-09-19T02:51:48Z)
Automated LoD-2 Model Reconstruction from Very-HighResolution Satellite-derived Digital Surface Model and Orthophoto [1.2691047660244335]
本稿では,LoD-2ビルディングモデルを「分解最適化最適化」パラダイムに従って再構成するモデル駆動手法を提案する。提案手法は,既存の手法に対するいくつかの技術的問題点に対処し,その有効性を実証した。
論文参考訳（メタデータ） (2021-09-08T19:03:09Z)
GLASS: Geometric Latent Augmentation for Shape Spaces [28.533018136138825]
幾何学的に動機づけられたエネルギーを用いて拡張し、その結果、サンプル(トレーニング)モデルのスパースコレクションを増強する。本研究では,高剛性(ARAP)エネルギーのヘシアン解析を行い,その基礎となる(局所)形状空間に投射する。我々は,3～10個のトレーニング形状から始めても,興味深い,意味のある形状変化の例をいくつか提示する。
論文参考訳（メタデータ） (2021-08-06T17:56:23Z)
Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文参考訳（メタデータ） (2020-10-23T14:49:02Z)

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。