論文の概要: MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers
- arxiv url: http://arxiv.org/abs/2311.15475v1
- Date: Mon, 27 Nov 2023 01:20:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 17:30:47.316559
- Title: MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers
- Title（参考訳）: MeshGPT: デコーダオンリートランスによる三角形メッシュの生成
- Authors: Yawar Siddiqui, Antonio Alliegro, Alexey Artemov, Tatiana Tommasi,
Daniele Sirigatti, Vladislav Rosov, Angela Dai, Matthias Nie{\ss}ner
- Abstract要約: MeshGPTは、アーティストが作ったメッシュに典型的なコンパクトさを反映した、三角形メッシュを生成するための新しいアプローチである。
近年の強力な大規模言語モデルの発展に触発されて,三角メッシュを三角形として自動回帰的に生成するシーケンスベースアプローチを採用した。
- 参考スコア（独自算出の注目度）: 32.169007676811404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce MeshGPT, a new approach for generating triangle meshes that
reflects the compactness typical of artist-created meshes, in contrast to dense
triangle meshes extracted by iso-surfacing methods from neural fields. Inspired
by recent advances in powerful large language models, we adopt a sequence-based
approach to autoregressively generate triangle meshes as sequences of
triangles. We first learn a vocabulary of latent quantized embeddings, using
graph convolutions, which inform these embeddings of the local mesh geometry
and topology. These embeddings are sequenced and decoded into triangles by a
decoder, ensuring that they can effectively reconstruct the mesh. A transformer
is then trained on this learned vocabulary to predict the index of the next
embedding given previous embeddings. Once trained, our model can be
autoregressively sampled to generate new triangle meshes, directly generating
compact meshes with sharp edges, more closely imitating the efficient
triangulation patterns of human-crafted meshes. MeshGPT demonstrates a notable
improvement over state of the art mesh generation methods, with a 9% increase
in shape coverage and a 30-point enhancement in FID scores across various
categories.
- Abstract（参考訳）: 筆者らは,ニューラルネットワークからアイソ対向法により抽出された密接な三角形メッシュに対して,アーティストが作成したメッシュのコンパクトさを反映した,三角形メッシュを生成する新しいアプローチであるMeshGPTを紹介した。
近年の大規模言語モデルの進歩に触発されて,三角形の列として三角形メッシュを自己回帰的に生成するシーケンスベースアプローチを採用した。
まず,グラフ畳み込みを用いて潜在量子化埋め込みの語彙を学習し,局所メッシュ幾何学とトポロジーの埋め込みを知らせる。
これらの埋め込みはデコーダによって三角形に配列されデコードされ、メッシュを効果的に再構築することができる。
次に、この学習語彙に基づいて変換器を訓練し、前の埋め込みが与えられた次の埋め込みのインデックスを予測する。
トレーニングが完了すると、モデルを自動回帰的にサンプリングして新しい三角形メッシュを生成し、シャープなエッジを持つコンパクトメッシュを直接生成し、人造メッシュの効率的な三角パターンを模倣する。
MeshGPTは、アートメッシュ生成手法の状況よりも顕著な改善を示し、形状カバレッジは9%増加し、FIDスコアは様々なカテゴリで30ポイント向上した。
関連論文リスト
- MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization [65.15226276553891]
MeshAnything V2はArtist-Created Meshを作成するために設計された高度なメッシュ生成モデルである。
MeshAnything V2の背後にある重要なイノベーションは、新しいAdjacent Mesh Tokenization(AMT)メソッドです。
論文 参考訳（メタデータ） (2024-08-05T15:33:45Z) - Generating 3D House Wireframes with Semantics [11.408526398063712]
本稿では, 自己回帰モデルを用いて, セマンティックエンリッチメントを用いた3次元住宅の創出手法を提案する。
意味に基づくワイヤシーケンスを並べ替えることで,3次元ワイヤフレーム構造をシームレスに学習する。
論文 参考訳（メタデータ） (2024-07-17T02:33:34Z) - PivotMesh: Generic 3D Mesh Generation via Pivot Vertices Guidance [66.40153183581894]
汎用的でスケーラブルなメッシュ生成フレームワークであるPivotMeshを紹介します。
PivotMeshは、ネイティブメッシュ生成を大規模データセットに拡張する最初の試みである。
PivotMeshは,様々なカテゴリにまたがって,コンパクトでシャープな3Dメッシュを生成することができることを示す。
論文 参考訳（メタデータ） (2024-05-27T07:13:13Z) - CircNet: Meshing 3D Point Clouds with Circumcenter Detection [67.23307214942696]
3次元点雲を三角形メッシュに再構成することは、計算幾何学と表面再構成の重要な問題である。
我々は,点雲三角測量を実現するために,周辺を検知するディープニューラルネットワークを導入する。
我々は水密面と開面面の両方の顕著なデータセットに対して本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-01-23T03:32:57Z) - NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。
本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
論文 参考訳（メタデータ） (2022-10-05T16:52:25Z) - 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) - 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)
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。