論文の概要: CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation
- arxiv url: http://arxiv.org/abs/2504.19174v2
- Date: Thu, 01 May 2025 13:59:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.162549
- Title: CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation
- Title（参考訳）: CLR-Wire: 3D曲線ワイヤフレーム生成のための連続遅延表現を目指して
- Authors: Xueqi Ma, Yilin Liu, Tianlong Gao, Qirui Huang, Hui Huang,
- Abstract要約: CLR ContinuousWireは曲線をパラメトリック曲線としてエンコードし、パラメトリック曲線を連続的で固定された潜在空間に変換する。
この統一されたアプローチは幾何学と位相の両方を生成する。
- 参考スコア（独自算出の注目度）: 11.447223770747051
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce CLR-Wire, a novel framework for 3D curve-based wireframe generation that integrates geometry and topology into a unified Continuous Latent Representation. Unlike conventional methods that decouple vertices, edges, and faces, CLR-Wire encodes curves as Neural Parametric Curves along with their topological connectivity into a continuous and fixed-length latent space using an attention-driven variational autoencoder (VAE). This unified approach facilitates joint learning and generation of both geometry and topology. To generate wireframes, we employ a flow matching model to progressively map Gaussian noise to these latents, which are subsequently decoded into complete 3D wireframes. Our method provides fine-grained modeling of complex shapes and irregular topologies, and supports both unconditional generation and generation conditioned on point cloud or image inputs. Experimental results demonstrate that, compared with state-of-the-art generative approaches, our method achieves substantial improvements in accuracy, novelty, and diversity, offering an efficient and comprehensive solution for CAD design, geometric reconstruction, and 3D content creation.
- Abstract（参考訳）: CLR-Wireは、幾何学とトポロジを統合された連続潜在表現に統合した、3次元曲線ベースのワイヤフレーム生成のための新しいフレームワークである。
頂点、辺、面を分離する従来の方法とは異なり、CLR-Wireは曲線をニューラルパラメトリック曲線としてエンコードし、そのトポロジ的接続を注意駆動変分オートエンコーダ(VAE)を用いて連続かつ固定長のラテント空間に接続する。
この統一されたアプローチは、幾何学と位相の両方の合同学習と生成を促進する。
ワイヤフレームを生成するために、フローマッチングモデルを用いて、ガウスノイズをこれらのラテントに漸進的にマッピングし、その後、完全な3Dワイヤフレームにデコードする。
本手法は複雑な形状と不規則なトポロジのきめ細かいモデリングを提供し、点雲や画像入力に条件付きで非条件生成と生成の両方をサポートする。
実験結果から,本手法の精度,ノベルティ,多様性の大幅な向上を実現し,CAD設計,幾何学的再構成,3次元コンテンツ作成のための効率的かつ包括的ソリューションを提供することが示唆された。
関連論文リスト
- Hi3DGen: High-fidelity 3D Geometry Generation from Images via Normal Bridging [15.36983068580743]
Hi3DGenは、画像から通常のブリッジを通して高忠実度3D幾何を生成するための新しいフレームワークである。
本研究は,中間表現として正規写像を利用することにより,画像から高忠実度3次元幾何を生成するための新たな方向を提供する。
論文 参考訳（メタデータ） (2025-03-28T08:39:20Z) - LineGS : 3D Line Segment Representation on 3D Gaussian Splatting [0.0]
LineGSは幾何学誘導型3次元ライン再構成と3次元ガウススプラッティングモデルを組み合わせた新しい手法である。
その結果, ベースライン法と比較して, 幾何精度とモデルコンパクト性に有意な改善が認められた。
論文 参考訳（メタデータ） (2024-11-30T13:29:36Z) - GaussianAnything: Interactive Point Cloud Flow Matching For 3D Object Generation [75.39457097832113]
本稿では,インタラクティブなポイントクラウド構造ラテント空間を備えたスケーラブルで高品質な3D生成を実現する,新しい3D生成フレームワークを提案する。
本フレームワークでは,複数ビューのRGB-D(epth)-N(ormal)レンダリングを入力として使用する変分オートエンコーダを,3次元形状情報を保存する独自のラテント空間設計を用いて構成する。
提案手法であるGaussianAnythingは,複数モード条件付き3D生成をサポートし,ポイントクラウド,キャプション,単一画像入力を可能にする。
論文 参考訳（メタデータ） (2024-11-12T18:59:32Z) - Generating 3D House Wireframes with Semantics [11.408526398063712]
本稿では, 自己回帰モデルを用いて, セマンティックエンリッチメントを用いた3次元住宅の創出手法を提案する。
意味に基づくワイヤシーケンスを並べ替えることで,3次元ワイヤフレーム構造をシームレスに学習する。
論文 参考訳（メタデータ） (2024-07-17T02:33:34Z) - NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation [52.772319840580074]
3D形状生成は、特定の条件や制約に固執する革新的な3Dコンテンツを作成することを目的としている。
既存の方法は、しばしば3Dの形状を局所化されたコンポーネントの列に分解し、各要素を分離して扱う。
本研究では2次元平面表現を利用した空間認識型3次元形状生成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-27T04:09:34Z) - GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z) - NEAT: Distilling 3D Wireframes from Neural Attraction Fields [52.90572335390092]
本稿では,3次元再構成セグメントと焦点接合を用いたラインフレーム接合の問題について検討する。
ProjectNEATは、クロスアートマッチングをゼロから行わずに、ジョイントニューラルフィールドとビューを楽しみます。
論文 参考訳（メタデータ） (2023-07-14T07:25:47Z) - Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。
本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文 参考訳（メタデータ） (2023-03-26T12:03:18Z) - Controllable GAN Synthesis Using Non-Rigid Structure-from-Motion [1.7205106391379026]
本研究では,NRSfM(non-rigid structure-from-motion)と深部生成モデルを組み合わせた手法を提案する。
本稿では,3次元形状の変化に対応する2次元GANの潜在空間における軌跡の発見に有効なフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-14T08:37:55Z) - Neural Wavelet-domain Diffusion for 3D Shape Generation [52.038346313823524]
本稿では,ウェーブレット領域における連続的暗黙表現の直接生成モデリングを可能にする3次元形状生成の新しい手法を提案する。
具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
論文 参考訳（メタデータ） (2022-09-19T02:51:48Z) - 3D Parametric Wireframe Extraction Based on Distance Fields [33.17232234301046]
点雲からのパラメトリックワイヤフレーム抽出のためのパイプラインを提案する。
我々のアプローチは、最も近い鋭い特徴曲線に近接するスカラー距離場を処理する。
中間段階において、コーナーを検出し、曲線のセグメンテーションを構築し、ワイヤフレームに適合したトポロジグラフを構築する。
論文 参考訳（メタデータ） (2021-07-13T15:25:14Z)
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。