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

• 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)
• EdgeRunner: Auto-regressive Auto-encoder for Artistic Mesh Generation [36.69567056569989]
  本稿では,最大4,000面の高品質な3Dメッシュを5123ドルの空間解像度で生成できる自動回帰オートエンコーダ(ArAE)モデルを提案する。 本稿では, 3次元メッシュを1次元トークンシーケンスに効率よく圧縮し, トレーニング効率を大幅に向上させる新しいメッシュトークン化アルゴリズムを提案する。 我々のモデルは、可変長の三角形メッシュを固定長の潜在空間に圧縮し、より優れた一般化のための潜在拡散モデルの訓練を可能にする。
  論文  参考訳（メタデータ） (2024-09-26T17:55:02Z)
• 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)
• 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)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• 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)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。