論文の概要: MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly

• arxiv url: http://arxiv.org/abs/2509.19995v1
• Date: Wed, 24 Sep 2025 11:02:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.785418
• Title: MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly
• Title（参考訳）: MeshMosaic: ローカル-グローバルアセンブリによるアーティストメッシュ生成のスケーリング
• Authors: Rui Xu, Tianyang Xue, Qiujie Dong, Le Wan, Zhe Zhu, Peng Li, Zhiyang Dou, Cheng Lin, Shiqing Xin, Yuan Liu, Wenping Wang, Taku Komura,
• Abstract要約: MeshMosaicは,100K以上の三角形にスケールするアーティストメッシュ生成のための,新たなローカル・グローバルなフレームワークである。 MeshMosaicは,幾何学的忠実度とユーザの好みの両方において,最先端の手法を著しく上回ることを示す。
• 参考スコア（独自算出の注目度）: 62.48017648785026
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Scaling artist-designed meshes to high triangle numbers remains challenging for autoregressive generative models. Existing transformer-based methods suffer from long-sequence bottlenecks and limited quantization resolution, primarily due to the large number of tokens required and constrained quantization granularity. These issues prevent faithful reproduction of fine geometric details and structured density patterns. We introduce MeshMosaic, a novel local-to-global framework for artist mesh generation that scales to over 100K triangles--substantially surpassing prior methods, which typically handle only around 8K faces. MeshMosaic first segments shapes into patches, generating each patch autoregressively and leveraging shared boundary conditions to promote coherence, symmetry, and seamless connectivity between neighboring regions. This strategy enhances scalability to high-resolution meshes by quantizing patches individually, resulting in more symmetrical and organized mesh density and structure. Extensive experiments across multiple public datasets demonstrate that MeshMosaic significantly outperforms state-of-the-art methods in both geometric fidelity and user preference, supporting superior detail representation and practical mesh generation for real-world applications.
• Abstract（参考訳）: アーチストが設計したメッシュを高い三角形数にスケールすることは、自動回帰生成モデルでは依然として難しい。 既存の変換器に基づく手法は、大量のトークンと制約付き量子化の粒度のために、長いシーケンスのボトルネックと限定量子化の解決に悩まされている。 これらの問題は、微細な幾何学的詳細と構造化された密度パターンの忠実な再現を防止する。 MeshMosaicは、アーティストメッシュ生成のための新しいローカルからグローバルなフレームワークで、100K以上の三角形にスケールする。 MeshMosaicはまず、各パッチを自動回帰的に生成し、共有境界条件を利用して、隣接する領域間の一貫性、対称性、シームレスな接続を促進する。 この戦略は、パッチを個別に定量化することで、高解像度メッシュへのスケーラビリティを高め、より対称的で組織化されたメッシュ密度と構造をもたらす。 複数の公開データセットにわたる大規模な実験により、MeshMosaicは幾何学的忠実さとユーザの好みの両方において最先端の手法を著しく上回り、現実世界のアプリケーションにおいて優れた詳細表現と実用的なメッシュ生成をサポートすることが示された。

関連論文リスト

• MeshRipple: Structured Autoregressive Generation of Artist-Meshes [43.29985039393799]
  メッシュは3Dアセットの主要な表現として機能する。 メッシュをアクティブな世代フロンティアから外部へ拡張するMeshRippleを紹介します。 この統合設計により、MeshRippleは、表面の忠実度と位相的完全性が高く、最近の強力なベースラインよりも優れたメッシュを生成することができる。
  論文  参考訳（メタデータ） (2025-12-08T12:50:23Z)
• Extremal Contours: Gradient-driven contours for compact visual attribution [5.6220652636435915]
  恒星を監督するフレームワークが高密度マスクによってより複雑なものを実現する方法を示す。 ImageNetsでは、高密度マスクの極端の輪郭とマッチングし、ランニング・トゥ・ラン・ビジョンを改善したコンパクトな領域を生成する。
  論文  参考訳（メタデータ） (2025-11-03T10:02:21Z)
• FastMesh: Efficient Artistic Mesh Generation via Component Decoupling [27.21354509059262]
  メッシュ生成アプローチは通常、三角形メッシュをトークンのシーケンスにトークン化し、これらのトークンをシーケンシャルに生成するように自動回帰モデルを訓練する。 この冗長性は、過度に長いトークンシーケンスと非効率な生成プロセスをもたらす。 本稿では,頂点と面を別々に扱うことにより,芸術的メッシュを生成する効率的な枠組みを提案する。
  論文  参考訳（メタデータ） (2025-08-26T16:51:02Z)
• 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)
• MARS: Mesh AutoRegressive Model for 3D Shape Detailization [85.95365919236212]
  3次元形状詳細化のための新しいアプローチであるMARSを紹介する。 本稿では,次のLODトークン予測により,そのような潜在表現を生成するメッシュ自己回帰モデルを提案する。 挑戦的な3次元形状Detailizationベンチマークで行った実験により,提案したMARSモデルが最先端の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-17T03:12:16Z)
• Nautilus: Locality-aware Autoencoder for Scalable Mesh Generation [46.08876528701562]
  アーティストのようなメッシュ生成のための局所性を考慮したオートエンコーダであるNautilusを提案する。 本手法では,顔の近接関係を保存する新しいトークン化アルゴリズムを提案する。 また,マルチスケールガイダンスを提供するDual-stream Point Conditionerを開発した。
  論文  参考訳（メタデータ） (2025-01-24T08:22:02Z)
• 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 Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。