論文の概要: Mesh Silksong: Auto-Regressive Mesh Generation as Weaving Silk
- arxiv url: http://arxiv.org/abs/2507.02477v2
- Date: Fri, 04 Jul 2025 13:59:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 11:35:12.724022
- Title: Mesh Silksong: Auto-Regressive Mesh Generation as Weaving Silk
- Title（参考訳）: Mesh Silksong: 製糸用シルクとしての自動回帰メッシュ生成
- Authors: Gaochao Song, Zibo Zhao, Haohan Weng, Jingbo Zeng, Rongfei Jia, Shenghua Gao,
- Abstract要約: Mesh Silksongは、絹織物に似た自己回帰的な方法でポリゴンメッシュを生成するのに適した、コンパクトで効率的なメッシュ表現である。
メッシュシルクソンは、多様体トポロジー、水密検出、一貫した顔正規化を含む優れた幾何学的性質を持つポリゴンメッシュを生成する。
- 参考スコア（独自算出の注目度）: 25.158463603708245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Mesh Silksong, a compact and efficient mesh representation tailored to generate the polygon mesh in an auto-regressive manner akin to silk weaving. Existing mesh tokenization methods always produce token sequences with repeated vertex tokens, wasting the network capability. Therefore, our approach tokenizes mesh vertices by accessing each mesh vertice only once, reduces the token sequence's redundancy by 50\%, and achieves a state-of-the-art compression rate of approximately 22\%. Furthermore, Mesh Silksong produces polygon meshes with superior geometric properties, including manifold topology, watertight detection, and consistent face normals, which are critical for practical applications. Experimental results demonstrate the effectiveness of our approach, showcasing not only intricate mesh generation but also significantly improved geometric integrity.
- Abstract（参考訳）: 絹織物に似た自己回帰的な方法でポリゴンメッシュを生成するのに適した,コンパクトで効率的なメッシュ表現であるMesh Silksongを紹介する。
既存のメッシュトークン化メソッドは、常に繰り返し頂点トークンを持つトークンシーケンスを生成し、ネットワーク能力を浪費する。
そこで本手法では,各メッシュ頂点に1回だけアクセスすることでメッシュ頂点をトークン化し,トークン列の冗長性を50 %削減し,最先端圧縮率約22 %を達成する。
さらに、メッシュシルクソンは、多様体トポロジー、水密検出、一貫した顔正規化を含む優れた幾何学的性質を持つポリゴンメッシュを生産し、実際的な応用に欠かせない。
実験の結果,メッシュ生成の複雑化だけでなく,幾何学的整合性も著しく向上した。
関連論文リスト
- TreeMeshGPT: Artistic Mesh Generation with Autoregressive Tree Sequencing [47.919057306538626]
TreeMeshGPTは、入力ポイントクラウドに整列した芸術的メッシュを生成するように設計された自動回帰変換器である。
提案手法は,2つのトークンを持つ三角形の面をそれぞれ表現し,圧縮率を約22%とする。
提案手法は,従来手法でよく見られたフリップ正規化を最小化しながら,強い正規配向制約を持つメッシュを生成する。
論文 参考訳（メタデータ） (2025-03-14T17:48:06Z) - MeshPad: Interactive Sketch-Conditioned Artist-Designed Mesh Generation and Editing [64.84885028248395]
MeshPadは、スケッチ入力から3Dメッシュを生成するジェネレーティブなアプローチである。
我々は、メッシュの領域の"削除"に編集を分解し、新しいメッシュ幾何学の"追加"に続き、一貫した編集を可能にすることに重点を置いている。
提案手法は,メッシュ三角形の追加と削除のために,大規模なTransformerモデルを利用した三角形列に基づくメッシュ表現に基づいている。
論文 参考訳（メタデータ） (2025-03-03T11:27:44Z) - Scaling Mesh Generation via Compressive Tokenization [66.05639158028343]
本稿では,Blocked and Patchified Tokenization (BPT) という,圧縮的かつ効果的なメッシュ表現を提案する。
BPTはブロックワイドインデックスとパッチアグリゲーションを用いてメッシュシーケンスを圧縮し、元のシーケンスと比較して長さを約75%削減する。
BPTを活用して、スケールしたメッシュデータに基づく基盤メッシュ生成モデルトレーニングを構築し、ポイントクラウドとイメージの柔軟な制御をサポートしています。
論文 参考訳（メタデータ） (2024-11-11T14:30:35Z) - 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) - Mesh Draping: Parametrization-Free Neural Mesh Transfer [92.55503085245304]
Mesh Drapingは、既存のメッシュ構造をある形状から別の形状に転送するニューラルネットワークである。
我々は、徐々に増加する周波数を活用して、ニューラルネットワークの最適化を導くことにより、安定かつ高品質なメッシュ転送を実現することができることを示す。
論文 参考訳（メタデータ） (2021-10-11T17:24:52Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z)
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。