論文の概要: SuperCarver: Texture-Consistent 3D Geometry Super-Resolution for High-Fidelity Surface Detail Generation

• arxiv url: http://arxiv.org/abs/2503.09439v1
• Date: Wed, 12 Mar 2025 14:38:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:39:01.569366
• Title: SuperCarver: Texture-Consistent 3D Geometry Super-Resolution for High-Fidelity Surface Detail Generation
• Title（参考訳）: SuperCarver:高密度表面詳細生成のためのテクスチュアコンセント3次元形状超解法
• Authors: Qijian Zhang, Xiaozheng Jian, Xuan Zhang, Wenping Wang, Junhui Hou,
• Abstract要約: SuperCarverは、粗いメッシュにテクスチャ一貫性のある表面の詳細を追加するのに適した3Dジオメトリフレームワークである。 幾何的詳細生成を実現するために,2つのペアの低極性および高極性正規レンダリングのデータセットに微調整を施した決定論的事前誘導正規拡散モデルを開発した。 メッシュ構造を、潜在的に不完全な正規写像予測から最適化するために、単純で効果的なノイズ耐性逆レンダリング方式を設計する。
• 参考スコア（独自算出の注目度）: 70.76810765911499
• License:
• Abstract: Traditional production workflow of high-precision 3D mesh assets necessitates a cumbersome and laborious process of manual sculpting by specialized modelers. The recent years have witnessed remarkable advances in AI-empowered 3D content creation. However, although the latest state-of-the-arts are already capable of generating plausible structures and intricate appearances from images or text prompts, the actual mesh surfaces are typically over-smoothing and lack geometric details. This paper introduces SuperCarver, a 3D geometry super-resolution framework particularly tailored for adding texture-consistent surface details to given coarse meshes. Technically, we start by rendering the original textured mesh into the image domain from multiple viewpoints. To achieve geometric detail generation, we develop a deterministic prior-guided normal diffusion model fine-tuned on a carefully curated dataset of paired low-poly and high-poly normal renderings. To optimize mesh structures from potentially imperfect normal map predictions, we design a simple yet effective noise-resistant inverse rendering scheme based on distance field deformation. Extensive experiments show that SuperCarver generates realistic and expressive surface details as depicted by specific texture appearances, making it a powerful tool for automatically upgrading massive outdated low-quality assets and shortening the iteration cycle of high-quality mesh production in practical applications.
• Abstract（参考訳）: 従来の高精度3Dメッシュアセットの生産ワークフローは、特殊なモデリング者による手動彫刻の面倒で面倒なプロセスを必要とする。 近年、AIを利用した3Dコンテンツ制作が目覚ましい進歩を遂げている。 しかし、最新の最先端技術は、画像やテキストプロンプトから可塑性構造や複雑な外観を生成することができるが、実際のメッシュ表面は、通常、過度に滑らかであり、幾何学的な詳細を欠いている。 本稿では,特に粗いメッシュに表面のテクスチャ一貫性を付加するための3次元幾何超解像フレームワークであるSuperCarverを紹介する。 技術的には、複数の視点から、元のテクスチャメッシュをイメージドメインにレンダリングすることから始めます。 幾何的細部生成を実現するために,2つの多極多極多極多極多極多極多極多極多極多極多極多極多極多角的データセット上に微調整された決定論的事前誘導正規拡散モデルを開発した。 メッシュ構造を潜在的に不完全な正規写像予測から最適化するために,距離場変形に基づく単純なノイズ耐性逆レンダリング方式を設計する。 大規模な実験により、SuperCarverは特定のテクスチャの外観によって表現された現実的で表現力のある表面の詳細を生成することが示され、これは大規模な時代遅れの低品質資産を自動的にアップグレードし、実用的な応用における高品質メッシュ生産のイテレーションサイクルを短縮する強力なツールとなる。

関連論文リスト

• Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics [50.23625950905638]
  6自由度(6-DOF)VR環境下での革新的な視線追跡実験により構築したテクスチャメッシュ・サリエンシのための新しいデータセットを提案する。 本モデルでは,各三角形の面を個々の単位として扱い,各局所表面領域の重要性を反映した塩分濃度値を割り当てることで,テクスチャメッシュ表面の塩分濃度マップを推定する。
  論文  参考訳（メタデータ） (2024-12-11T08:27:33Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• CraftsMan: High-fidelity Mesh Generation with 3D Native Generation and Interactive Geometry Refiner [34.78919665494048]
  CraftsManは、非常に多様な形状、通常のメッシュトポロジ、詳細な表面を持つ高忠実な3Dジオメトリを生成することができる。 本手法は,従来の方法に比べて高品質な3Dアセットの製作に有効である。
  論文  参考訳（メタデータ） (2024-05-23T18:30:12Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
  そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。 提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。 本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
  論文  参考訳（メタデータ） (2022-03-18T01:42:59Z)
• Fast-GANFIT: Generative Adversarial Network for High Fidelity 3D Face Reconstruction [76.1612334630256]
  我々は、GAN(Generative Adversarial Networks)とDCNN(Deep Convolutional Neural Networks)の力を利用して、単一画像から顔のテクスチャと形状を再構築する。 3次元顔再構成を保存したフォトリアリスティックでアイデンティティに優れた結果を示し, 初めて, 高精度な顔テクスチャ再構成を実現する。
  論文  参考訳（メタデータ） (2021-05-16T16:35:44Z)

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。