論文の概要: AnimateAnyMesh: A Feed-Forward 4D Foundation Model for Text-Driven Universal Mesh Animation

• arxiv url: http://arxiv.org/abs/2506.09982v1
• Date: Wed, 11 Jun 2025 17:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:03.183751
• Title: AnimateAnyMesh: A Feed-Forward 4D Foundation Model for Text-Driven Universal Mesh Animation
• Title（参考訳）: AnimateAnyMesh: テキスト駆動ユニバーサルメッシュアニメーションのためのフィードフォワード4Dファンデーションモデル
• Authors: Zijie Wu, Chaohui Yu, Fan Wang, Xiang Bai,
• Abstract要約: 本稿では,任意の3Dメッシュの効率的なテキスト駆動アニメーションを可能にする最初のフィードフォワードフレームワークであるAnimateAnyMeshを紹介する。 我々のアプローチは、動的メッシュシーケンスを効果的に圧縮し再構成する新しいDyMeshVAEアーキテクチャを活用する。 また、DyMeshデータセットにもコントリビュートし、テキストアノテーション付き4M以上の動的メッシュシーケンスを格納しています。
• 参考スコア（独自算出の注目度）: 57.199352741915625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 4D content generation have attracted increasing attention, yet creating high-quality animated 3D models remains challenging due to the complexity of modeling spatio-temporal distributions and the scarcity of 4D training data. In this paper, we present AnimateAnyMesh, the first feed-forward framework that enables efficient text-driven animation of arbitrary 3D meshes. Our approach leverages a novel DyMeshVAE architecture that effectively compresses and reconstructs dynamic mesh sequences by disentangling spatial and temporal features while preserving local topological structures. To enable high-quality text-conditional generation, we employ a Rectified Flow-based training strategy in the compressed latent space. Additionally, we contribute the DyMesh Dataset, containing over 4M diverse dynamic mesh sequences with text annotations. Experimental results demonstrate that our method generates semantically accurate and temporally coherent mesh animations in a few seconds, significantly outperforming existing approaches in both quality and efficiency. Our work marks a substantial step forward in making 4D content creation more accessible and practical. All the data, code, and models will be open-released.
• Abstract（参考訳）: 近年の4Dコンテンツ生成の進歩が注目されているが、時空間分布のモデリングの複雑さと4Dトレーニングデータの不足により、高品質な3Dモデルを作成することは依然として困難である。 本稿では,任意の3Dメッシュの効率的なテキスト駆動アニメーションを可能にする最初のフィードフォワードフレームワークであるAnimateAnyMeshを紹介する。 提案手法では,局所的なトポロジ構造を保ちながら空間的特徴と時間的特徴を両立させることにより,動的メッシュ列を効果的に圧縮・再構成するDyMeshVAEアーキテクチャを利用する。 高品質なテキスト条件生成を実現するために、圧縮された潜在空間にRectified Flowベースのトレーニング戦略を用いる。 さらに,テキストアノテーションを付加した4万以上の動的メッシュシーケンスを含むDyMeshデータセットをコントリビュートする。 実験の結果,提案手法は意味的精度と時間的コヒーレントなメッシュアニメーションを数秒で生成し,精度と効率の両面で既存手法よりも優れていることがわかった。 われわれの仕事は、4Dコンテンツ制作をよりアクセシブルで実用的なものにするための大きな一歩だ。 すべてのデータ、コード、モデルは公開されます。

関連論文リスト

• Bringing Objects to Life: training-free 4D generation from 3D objects through view consistent noise [31.533802484121182]
  テキストプロンプトを条件に4D生成を誘導することで,3Dオブジェクトをアニメーション化するためのトレーニング不要な手法を提案する。 まず,3次元メッシュを物体の視覚特性を保存する4次元ニューラルラジアンス場(NeRF)に変換する。 そして,テキスト駆動画像拡散モデルを用いてオブジェクトをアニメーション化する。
  論文  参考訳（メタデータ） (2024-12-29T10:12:01Z)
• CT4D: Consistent Text-to-4D Generation with Animatable Meshes [53.897244823604346]
  我々は,任意のユーザ供給プロンプトから一貫した4Dコンテンツを生成するために,アニマタブルメッシュを直接操作するCT4Dという新しいフレームワークを提案する。 我々のフレームワークは、テキスト整列メッシュの作成を強化するために、ユニークなGenerate-Refine-Animate (GRA)アルゴリズムを組み込んでいる。 定性的かつ定量的な実験結果から,我々のCT4Dフレームワークは,フレーム間の整合性の維持とグローバルジオメトリの保存において,既存のテキスト・ツー・4D技術を超えていることが示された。
  論文  参考訳（メタデータ） (2024-08-15T14:41:34Z)
• 4DGen: Grounded 4D Content Generation with Spatial-temporal Consistency [118.15258850780417]
  textbf4DGenは、4Dコンテンツ作成のための新しいフレームワークである。 我々のパイプラインは、制御可能な4D生成を容易にし、ユーザがモノクロビデオで動きを指定したり、画像から映像への世代を適用できる。 既存のビデオから4Dのベースラインと比較すると,入力信号の忠実な再構成には優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-12-28T18:53:39Z)
• Align Your Gaussians: Text-to-4D with Dynamic 3D Gaussians and Composed Diffusion Models [94.07744207257653]
  我々は、探索されていないテキストから4D設定に焦点をあて、動的にアニメーションされた3Dオブジェクトを合成する。 4次元オブジェクト最適化において,テキスト・ツー・イメージ,テキスト・ツー・ビデオ,および3次元認識型多視点拡散モデルを組み合わせてフィードバックを提供する。
  論文  参考訳（メタデータ） (2023-12-21T11:41:02Z)

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。