論文の概要: Nautilus: Locality-aware Autoencoder for Scalable Mesh Generation

• arxiv url: http://arxiv.org/abs/2501.14317v1
• Date: Fri, 24 Jan 2025 08:22:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:56:54.830043
• Title: Nautilus: Locality-aware Autoencoder for Scalable Mesh Generation
• Title（参考訳）: Nautilus: スケーラブルメッシュ生成のためのローカリティ対応オートエンコーダ
• Authors: Yuxuan Wang, Xuanyu Yi, Haohan Weng, Qingshan Xu, Xiaokang Wei, Xianghui Yang, Chunchao Guo, Long Chen, Hanwang Zhang,
• Abstract要約: アーティストのようなメッシュ生成のための局所性を考慮したオートエンコーダであるNautilusを提案する。 本手法では,顔の近接関係を保存する新しいトークン化アルゴリズムを提案する。 また,マルチスケールガイダンスを提供するDual-stream Point Conditionerを開発した。
• 参考スコア（独自算出の注目度）: 46.08876528701562
• License:
• Abstract: Triangle meshes are fundamental to 3D applications, enabling efficient modification and rasterization while maintaining compatibility with standard rendering pipelines. However, current automatic mesh generation methods typically rely on intermediate representations that lack the continuous surface quality inherent to meshes. Converting these representations into meshes produces dense, suboptimal outputs. Although recent autoregressive approaches demonstrate promise in directly modeling mesh vertices and faces, they are constrained by the limitation in face count, scalability, and structural fidelity. To address these challenges, we propose Nautilus, a locality-aware autoencoder for artist-like mesh generation that leverages the local properties of manifold meshes to achieve structural fidelity and efficient representation. Our approach introduces a novel tokenization algorithm that preserves face proximity relationships and compresses sequence length through locally shared vertices and edges, enabling the generation of meshes with an unprecedented scale of up to 5,000 faces. Furthermore, we develop a Dual-stream Point Conditioner that provides multi-scale geometric guidance, ensuring global consistency and local structural fidelity by capturing fine-grained geometric features. Extensive experiments demonstrate that Nautilus significantly outperforms state-of-the-art methods in both fidelity and scalability.
• Abstract（参考訳）: 三角形メッシュは3Dアプリケーションの基本であり、標準的なレンダリングパイプラインとの互換性を維持しながら、効率的な修正とラスタライズを可能にする。 しかし、現在の自動メッシュ生成法は一般的にメッシュ固有の連続的な表面品質に欠ける中間表現に依存している。 これらの表現をメッシュに変換すると、密度の高い準最適出力が生成される。 最近の自己回帰的なアプローチは、メッシュの頂点と面を直接モデル化する上での有望さを示しているが、それらは、面数、スケーラビリティ、構造的忠実さの制限によって制約されている。 これらの課題に対処するために,我々は,多様体メッシュの局所特性を活用して構造的忠実度と効率的な表現を実現する,アーティストライクなメッシュ生成のための局所性対応オートエンコーダであるNautilusを提案する。 提案手法では, 顔近接関係を保存し, 局所的に共有された頂点とエッジを通してシーケンス長を圧縮する新しいトークン化アルゴリズムを導入し, 最大5,000面のメッシュの生成を可能にする。 さらに, 微粒な幾何学的特徴を捉えることで, グローバルな整合性と局所的な構造的忠実性を確保するために, マルチスケールな幾何学的ガイダンスを提供するDual-stream Point Conditionerを開発した。 大規模な実験により、Nautilusは忠実さとスケーラビリティの両方において最先端の手法を著しく上回っている。

関連論文リスト

• 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)
• 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)
• 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)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• 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)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• HVOFusion: Incremental Mesh Reconstruction Using Hybrid Voxel Octree [12.180935725861723]
  本稿では,オクセル構造とオクセル構造を融合させるハイブリッドなオクセルオクツリー手法を提案する。 このようなスパース構造は葉ノードの三角形の面を保存し、漸進的な再構成のために部分メッシュを逐次生成する。 いくつかのデータセットに対する実験結果から,提案手法は現実的な色でシーンを迅速かつ正確に再構築できることが示された。
  論文  参考訳（メタデータ） (2024-04-27T18:24:53Z)
• Fully Convolutional Mesh Autoencoder using Efficient Spatially Varying Kernels [41.81187438494441]
  任意の登録メッシュデータに対する非テンプレート固有完全畳み込みメッシュオートエンコーダを提案する。 我々のモデルは、復元精度の最先端手法よりも優れています。
  論文  参考訳（メタデータ） (2020-06-08T02:30:13Z)

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。