論文の概要: ShapeLib: Designing a library of programmatic 3D shape abstractions with Large Language Models

• arxiv url: http://arxiv.org/abs/2502.08884v2
• Date: Thu, 19 Jun 2025 03:48:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 14:57:51.408487
• Title: ShapeLib: Designing a library of programmatic 3D shape abstractions with Large Language Models
• Title（参考訳）: ShapeLib: 大規模言語モデルを用いたプログラム型3次元形状抽象化ライブラリの設計
• Authors: R. Kenny Jones, Paul Guerrero, Niloy J. Mitra, Daniel Ritchie,
• Abstract要約: プログラム型3次元形状抽象化ライブラリの設計にLLMの先行を活用できる最初の方法であるShapeLibを提案する。 本システムでは,ライブラリに含める関数のテキスト記述と,典型的な形状のシードセットという,2種類の設計意図を受け入れている。 また,ShapeLibは,汎用性やユーザビリティ,操作時の妥当性の維持といった面で,従来の代替抽象的発見よりも明確なメリットがあることがわかった。
• 参考スコア（独自算出の注目度）: 46.372361125013974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ShapeLib, the first method that leverages the priors of LLMs to design libraries of programmatic 3D shape abstractions. Our system accepts two forms of design intent: text descriptions of functions to include in the library and a seed set of exemplar shapes. We discover abstractions that match this design intent with a guided LLM workflow that first proposes, and then validates, different ways of applying and implementing functions. We learn recognition networks that map shapes to programs with these newly discovered abstractions by training on data produced by LLM authored synthetic data generation procedures. Across modeling domains (split by shape category), we find that LLMs, when thoughtfully combined with geometric reasoning, can be guided to author a library of abstraction functions that generalize to shapes outside of the seed set. This framework addresses a long-standing shape analysis problem of how to discover reusable abstraction functions while exposing interpretable, semantically aligned interfaces. We find that ShapeLib provides distinct advantages over prior alternative abstraction discovery works in terms of generalization, usability, and maintaining plausibility under manipulation. Finally, we demonstrate that ShapeLib's abstraction functions unlock a number of downstream applications, combining LLM reasoning over shape programs with geometry processing to support shape editing and generation.
• Abstract（参考訳）: プログラム型3次元形状抽象化ライブラリの設計にLLMの先行を活用できる最初の方法であるShapeLibを提案する。 本システムでは,ライブラリに含める関数のテキスト記述と,典型的な形状のシードセットという,2種類の設計意図を受け入れている。 この設計意図にマッチする抽象化を、まず最初に提案し、次に、関数を適用し、実装する方法を検証したガイド付きLLMワークフローで発見する。 我々は、LLMが作成した合成データ生成手順に基づいて、これらの新たに発見された抽象概念を用いてプログラムに形状をマッピングする認識ネットワークを学習する。 モデリング領域全体(形状カテゴリーによって分割される)において、LLMは、幾何学的推論と念頭に組み合わされて、シード集合の外側の形状に一般化する抽象関数のライブラリーを作成できる。 このフレームワークは、解釈可能な意味的に整合したインターフェースを公開しながら、再利用可能な抽象関数の発見方法に関する長年にわたる形状解析問題に対処する。 また,ShapeLibは,汎用性やユーザビリティ,操作時の妥当性の維持といった面で,従来の代替抽象的発見よりも明確なメリットがあることがわかった。 最後に,ShapeLibの抽象化関数が,形状編集と生成をサポートする幾何学処理とLLM推論を組み合わせることで,下流アプリケーションの多くをアンロックできることを実証する。

関連論文リスト

• ShapeCoder: Discovering Abstractions for Visual Programs from Unstructured Primitives [44.01940125080666]
  形状のデータセットを非構造化プリミティブで表現できる最初のシステムであるShapeCoderを提案する。 ShapeCoderは、ハイレベルな関係をキャプチャし、外部自由度を排除し、より良いデータセット圧縮を実現する抽象化ライブラリの発見方法を示す。
  論文  参考訳（メタデータ） (2023-05-09T17:55:48Z)
• PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
  本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。 私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。 部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
  論文  参考訳（メタデータ） (2022-07-24T18:59:09Z)
• Towards Implicit Text-Guided 3D Shape Generation [81.22491096132507]
  本研究は,テキストから3次元形状を生成するという課題について考察する。 テキスト記述にマッチする色で高忠実な形状を生成できるテキスト誘導型3次元形状生成のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-28T10:20:03Z)
• ShapeMOD: Macro Operation Discovery for 3D Shape Programs [41.973945628565104]
  3Dシェイププログラムの大規模なデータセットで有用なマクロを自動的に発見するアルゴリズムであるShapeMODを紹介します。 ShapeMODは命令型ステートメントベースの言語で表現された形状プログラムで動作する。 構造的およびパラメトリックなパターンを抽象化するマクロの簡潔なセットを自動的に発見することを示した。
  論文  参考訳（メタデータ） (2021-04-13T17:54:03Z)
• ShapeAssembly: Learning to Generate Programs for 3D Shape Structure Synthesis [38.27280837835169]
  本研究では,3次元形状構造のためのドメイン固有の「アセンブリ言語」であるShapeAssemblyを提案する。 PartNetデータセットの既存の形状構造からShapeAssemblyプログラムを抽出する方法を示す。 生成したプログラムから出力される形状を、他の最近の形状構造モデルと比較することにより、我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2020-09-17T02:26:45Z)
• PatchNets: Patch-Based Generalizable Deep Implicit 3D Shape Representations [75.42959184226702]
  物体認識訓練のための中級パッチベースサーフェス表現を提案する。 形状や部分点雲の完全化など,新しい表現の応用例をいくつか紹介する。
  論文  参考訳（メタデータ） (2020-08-04T15:34:46Z)
• Learning Generative Models of Shape Handles [43.41382075567803]
  ハンドセットとして3次元形状を合成する生成モデルを提案する。 我々のモデルは、様々な濃度と異なる種類のハンドルを持つハンドセットを生成することができる。 得られた形状表現は直感的であり,従来の最先端技術よりも優れた品質が得られることを示す。
  論文  参考訳（メタデータ） (2020-04-06T22:35:55Z)
• DualSDF: Semantic Shape Manipulation using a Two-Level Representation [54.62411904952258]
  本稿では,2段階の粒度で形状を表現するDualSDFと,抽象化されたプロキシ形状を表すDualSDFを提案する。 我々の2段階モデルでは、ユーザが対話的に粗いプロキシの形状を操作でき、その変化を即座に高解像度の形状に反映できる新しい形状操作技術が生み出される。
  論文  参考訳（メタデータ） (2020-04-06T17:59:15Z)
• Deep Geometric Functional Maps: Robust Feature Learning for Shape Correspondence [31.840880075039944]
  非剛体3次元形状間の対応性を計算するための新しい学習手法を提案する。 提案手法の鍵となるのは, 生形状から直接学習する特徴抽出ネットワークである。
  論文  参考訳（メタデータ） (2020-03-31T15:20:17Z)

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。