論文の概要: SeamCrafte: Enhancing Mesh Seam Generation for Artist UV Unwrapping via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2509.20725v1
• Date: Thu, 25 Sep 2025 03:58:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.686461
• Title: SeamCrafte: Enhancing Mesh Seam Generation for Artist UV Unwrapping via Reinforcement Learning
• Title（参考訳）: SeamCrafte: 強化学習によるアーティストUVアンラッピングのためのメッシュSeam生成の強化
• Authors: Duoteng Xu, Yuguang Chen, Jing Li, Xinhai Liu, Xueqi Ma, Zhuo Chen, Dongyu Zhang, Chunchao Guo,
• Abstract要約: 我々は、ポイントエンコーダ入力に条件付き自己回帰GPTスタイルのシームジェネレータであるSeamCrafterを紹介する。 SeamCrafterは、従来のアプローチよりも歪みや断片化が著しく低いシームを生成する。
• 参考スコア（独自算出の注目度）: 17.67515163123214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mesh seams play a pivotal role in partitioning 3D surfaces for UV parametrization and texture mapping. Poorly placed seams often result in severe UV distortion or excessive fragmentation, thereby hindering texture synthesis and disrupting artist workflows. Existing methods frequently trade one failure mode for another-producing either high distortion or many scattered islands. To address this, we introduce SeamCrafter, an autoregressive GPT-style seam generator conditioned on point cloud inputs. SeamCrafter employs a dual-branch point-cloud encoder that disentangles and captures complementary topological and geometric cues during pretraining. To further enhance seam quality, we fine-tune the model using Direct Preference Optimization (DPO) on a preference dataset derived from a novel seam-evaluation framework. This framework assesses seams primarily by UV distortion and fragmentation, and provides pairwise preference labels to guide optimization. Extensive experiments demonstrate that SeamCrafter produces seams with substantially lower distortion and fragmentation than prior approaches, while preserving topological consistency and visual fidelity.
• Abstract（参考訳）: メッシュシームは、紫外線パラメトリゼーションとテクスチャマッピングのための3次元表面の分割において重要な役割を果たす。 粗く配置されたシームはしばしば紫外線の歪みや過度な断片化を引き起こし、テクスチャ合成を阻害し、アーティストのワークフローを妨害する。 既存の手法では、1つの障害モードを高歪みまたは多くの散在する島々と交換することが多い。 そこで我々は,ポイントクラウド入力を前提とした自己回帰GPTスタイルのシームジェネレータSeamCrafterを紹介した。 SeamCrafterはデュアルブランチのポイントクラウドエンコーダを使用しており、事前トレーニング中に相補的なトポロジカルおよび幾何学的手がかりを歪め、キャプチャする。 シーム品質をさらに高めるため,新しいシーム評価フレームワークから派生した選好データセットに基づいて,直接選好最適化(DPO)を用いてモデルを微調整する。 このフレームワークは、主に紫外線歪みとフラグメンテーションによってシームを評価し、最適化を導くためにペアワイズな選好ラベルを提供する。 大規模な実験により、SeamCrafterは、トポロジカルな一貫性と視覚的忠実さを維持しながら、以前のアプローチよりも歪みや断片化が著しく低いシームを生産していることが示された。

関連論文リスト

• ArtUV: Artist-style UV Unwrapping [15.072561481603037]
  我々はArtUVを紹介した。ArtUVは完全に自動化され、アーティストスタイルのUVアンラッピングを生成するエンド・ツー・エンドの手法である。 プロのUVマッピングプロセスを,表面シーム予測とアーティストスタイルのUVパラメータ化の2段階に分割してシミュレートする。 提案手法は, 意味的一貫性を確保し, トポロジ的構造を保ちながら, 2次元編集が可能なUVマップを作成する。
  論文  参考訳（メタデータ） (2025-09-25T03:21:21Z)
• Learning Deblurring Texture Prior from Unpaired Data with Diffusion Model [92.61216319417208]
  画像の劣化に対する新しい拡散モデル(DM)に基づくフレームワークを提案する。 我々の研究は、ぼやけた画像のテクスチャを回復するのに役立つ事前知識を生成するために、DMを実行する。 生成したテクスチャをフル活用するために,テクスチャ転送変換層(TTformer)を提案する。
  論文  参考訳（メタデータ） (2025-07-18T01:50:31Z)
• Auto-Regressive Surface Cutting [16.593710516134472]
  プロのモデルを模倣して切り目を生成する自動再スキャンモデルSeamGPTを紹介する。 本手法は, 多様体および非多様体メッシュを含むUVアンラッピングベンチマークにおいて, 例外的な性能を実現する。 部品分解のためのクリーンなバウンダリを提供することで、既存の3Dセグメンテーションツールを強化する。
  論文  参考訳（メタデータ） (2025-06-22T12:53:07Z)
• UV-free Texture Generation with Denoising and Geodesic Heat Diffusions [50.55154348768031]
  メッシュの標準的なUVベースの処理機構の最も顕著な課題は、シーム、無駄なUV空間、および表面上の様々な解像度である。 本稿では,3次元メッシュの表面上での操作に制約された拡散モデルを用いて,テクスチャを色分けした点雲色として表現することを提案する。
  論文  参考訳（メタデータ） (2024-08-29T17:57:05Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• Texture Generation on 3D Meshes with Point-UV Diffusion [86.69672057856243]
  本稿では, 粗い微細化パイプラインであるPoint-UV拡散モデルとUVマッピングを併用し, 高品質なテクスチャイメージをUV空間で生成する。 本手法は,任意の属のメッシュを処理し,多種多様で,幾何に適合し,高忠実度なテクスチャを生成する。
  論文  参考訳（メタデータ） (2023-08-21T06:20:54Z)
• IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable Novel View Synthesis [90.03590032170169]
  内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。 そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-02T22:45:11Z)

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。