論文の概要: MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization

• arxiv url: http://arxiv.org/abs/2408.02555v3
• Date: Sun, 01 Dec 2024 14:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-03 16:55:48.156657
• Title: MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization
• Title（参考訳）: MeshAnything V2: 隣接するメッシュのトークン化を備えたアーティストによるメッシュ生成
• Authors: Yiwen Chen, Yikai Wang, Yihao Luo, Zhengyi Wang, Zilong Chen, Jun Zhu, Chi Zhang, Guosheng Lin,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.15226276553891
• License:
• Abstract: Meshes are the de facto 3D representation in the industry but are labor-intensive to produce. Recently, a line of research has focused on autoregressively generating meshes. This approach processes meshes into a sequence composed of vertices and then generates them vertex by vertex, similar to how a language model generates text. These methods have achieved some success but still struggle to generate complex meshes. One primary reason for this limitation is their inefficient tokenization methods. To address this issue, we introduce MeshAnything V2, an advanced mesh generation model designed to create Artist-Created Meshes that align precisely with specified shapes. A key innovation behind MeshAnything V2 is our novel Adjacent Mesh Tokenization (AMT) method. Unlike traditional approaches that represent each face using three vertices, AMT optimizes this by employing a single vertex wherever feasible, effectively reducing the token sequence length by about half on average. This not only streamlines the tokenization process but also results in more compact and well-structured sequences, enhancing the efficiency of mesh generation. With these improvements, MeshAnything V2 effectively doubles the face limit compared to previous models, delivering superior performance without increasing computational costs. We will make our code and models publicly available. Project Page: https://buaacyw.github.io/meshanything-v2/
• Abstract（参考訳）: メッシュは産業における事実上の3D表現であるが、生産には労働集約的である。 近年、メッシュの自動回帰生成に焦点が当てられている。 このアプローチは、言語モデルがテキストを生成する方法と同じように、メッシュを頂点で構成されたシーケンスに処理し、頂点によって頂点を生成する。 これらの手法はいくつかの成功を収めてきたが、それでも複雑なメッシュを生成するのに苦労している。 この制限の主な理由は、それらの非効率なトークン化法である。 この問題に対処するために、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を紹介します。 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。 3つの頂点を用いてそれぞれの面を表現する従来のアプローチとは異なり、AMTは1つの頂点を実現可能な場所に使用することでこれを最適化し、トークン列の長さを平均で約半分削減する。 これによりトークン化プロセスが合理化されるだけでなく、よりコンパクトで構造化されたシーケンスが得られ、メッシュ生成の効率が向上する。 これらの改善により、MeshAnything V2は従来のモデルに比べて顔の限界を効果的に倍にし、計算コストを増大させることなく優れた性能を提供する。 コードとモデルを公開します。 Project Page: https://buaacyw.github.io/meshanything-v2/

関連論文リスト

• DMesh++: An Efficient Differentiable Mesh for Complex Shapes [51.75054400014161]
  2次元および3次元に新しい微分可能なメッシュ処理法を導入する。 メッシュ分解能を2次元の局所幾何学に適応させて効率よく表現するアルゴリズムを提案する。 本研究では,2次元ポイントクラウドと3次元マルチビュー再構成タスクにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-21T21:16:03Z)
• GenUDC: High Quality 3D Mesh Generation with Unsigned Dual Contouring Representation [13.923644541595893]
  3次元生成モデルは、複雑な構造と現実的な表面を持つ高品質なメッシュを生成する。 我々は、Unsigned Dual Contouring (UDC) をメッシュ表現として活用することにより、これらの課題に対処するGenUDCフレームワークを提案する。 さらに、GenUDCは2段階の粗大な生成プロセスを3Dメッシュ生成に採用している。
  論文  参考訳（メタデータ） (2024-10-23T11:59:49Z)
• MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers [76.70891862458384]
  メッシュ抽出を生成問題として扱うモデルであるMeshAnythingを導入する。 任意の3D表現の3DアセットをAMに変換することで、MeshAnythingは様々な3Dアセット生産方法に統合することができる。 本手法は, 顔の数百倍少ないAMを生成し, 記憶, レンダリング, シミュレーション効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-06-14T16:30:25Z)
• MeshXL: Neural Coordinate Field for Generative 3D Foundation Models [51.1972329762843]
  本稿では,現代の大規模言語モデルを用いた3次元メッシュ生成のプロセスに対処する,事前学習型自己回帰モデルの生成ファミリを提案する。 MeshXLは高品質な3Dメッシュを生成することができ、さまざまなダウンストリームアプリケーションの基盤モデルとしても機能する。
  論文  参考訳（メタデータ） (2024-05-31T14:35:35Z)
• 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)
• GetMesh: A Controllable Model for High-quality Mesh Generation and Manipulation [25.42531640985281]
  Meshは様々な産業アプリケーションにおける3Dアセットの基本的な表現であり、プロのソフトウェアによって広く支持されている。 本稿では,メッシュ生成と異なるカテゴリ間の操作のための,高度に制御可能な生成モデルGetMeshを提案する。
  論文  参考訳（メタデータ） (2024-03-18T17:25:36Z)
• MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers [32.169007676811404]
  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。
  論文  参考訳（メタデータ） (2023-11-27T01:20:11Z)
• 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)

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。