論文の概要: ARMesh: Autoregressive Mesh Generation via Next-Level-of-Detail Prediction

• arxiv url: http://arxiv.org/abs/2509.20824v1
• Date: Thu, 25 Sep 2025 07:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.746346
• Title: ARMesh: Autoregressive Mesh Generation via Next-Level-of-Detail Prediction
• Title（参考訳）: ARMesh:Next-Level-of-Detail予測による自動回帰メッシュ生成
• Authors: Jiabao Lei, Kewei Shi, Zhihao Liang, Kui Jia,
• Abstract要約: 本稿では,3次元メッシュの自動回帰生成手法を提案する。 具体的には、メッシュの単純化アルゴリズムを見て、メッシュを徐々にマージして、よりシンプルなメッシュを構築する。 実験により、この新しいプログレッシブメッシュ生成アプローチは、生成品質と時間消費を直感的に制御できることを示した。
• 参考スコア（独自算出の注目度）: 45.699110709239996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Directly generating 3D meshes, the default representation for 3D shapes in the graphics industry, using auto-regressive (AR) models has become popular these days, thanks to their sharpness, compactness in the generated results, and ability to represent various types of surfaces. However, AR mesh generative models typically construct meshes face by face in lexicographic order, which does not effectively capture the underlying geometry in a manner consistent with human perception. Inspired by 2D models that progressively refine images, such as the prevailing next-scale prediction AR models, we propose generating meshes auto-regressively in a progressive coarse-to-fine manner. Specifically, we view mesh simplification algorithms, which gradually merge mesh faces to build simpler meshes, as a natural fine-to-coarse process. Therefore, we generalize meshes to simplicial complexes and develop a transformer-based AR model to approximate the reverse process of simplification in the order of level of detail, constructing meshes initially from a single point and gradually adding geometric details through local remeshing, where the topology is not predefined and is alterable. Our experiments show that this novel progressive mesh generation approach not only provides intuitive control over generation quality and time consumption by early stopping the auto-regressive process but also enables applications such as mesh refinement and editing.
• Abstract（参考訳）: グラフィック産業における3D形状のデフォルト表現である3Dメッシュの直接生成は、シャープさ、生成された結果のコンパクトさ、様々な種類の表面を表現する能力のおかげで、近年人気が高まっている。 しかし、ARメッシュ生成モデルは、通常、語彙順に顔のメッシュを構成するため、人間の知覚と整合した方法で、基礎となる幾何学を効果的に捉えることはできない。 次世代の予測ARモデルなどの画像を段階的に洗練する2次元モデルにインスパイアされた我々は、進行的に粗大な方法で自動回帰的にメッシュを生成することを提案する。 具体的には、メッシュを徐々にマージして、よりシンプルなメッシュを構築するメッシュ単純化アルゴリズムを、自然な微粒化プロセスとして見なしています。 そこで我々はメッシュを単純な複合体に一般化し、トランスフォーマーベースのARモデルを開発し、詳細の順序で単純化の逆過程を近似し、まずメッシュを単一点から構築し、局所的なリメッシングによって幾何的詳細を徐々に追加し、トポロジは事前に定義されておらず、変更可能である。 我々の実験は、この新しいプログレッシブメッシュ生成アプローチが、自動回帰プロセスの早期停止による生成品質と時間消費の直感的な制御を提供するだけでなく、メッシュの洗練や編集といった応用を可能にすることを示した。

関連論文リスト

• MeshXL: Neural Coordinate Field for Generative 3D Foundation Models [51.1972329762843]
  本稿では,現代の大規模言語モデルを用いた3次元メッシュ生成のプロセスに対処する,事前学習型自己回帰モデルの生成ファミリを提案する。 MeshXLは高品質な3Dメッシュを生成することができ、さまざまなダウンストリームアプリケーションの基盤モデルとしても機能する。
  論文  参考訳（メタデータ） (2024-05-31T14:35:35Z)
• 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)
• MeshDiffusion: Score-based Generative 3D Mesh Modeling [68.40770889259143]
  本研究では,シーンの自動生成と物理シミュレーションのための現実的な3次元形状生成の課題について考察する。 メッシュのグラフ構造を利用して、3Dメッシュを生成するのにシンプルだが非常に効果的な生成モデリング手法を用いる。 具体的には、変形可能な四面体格子でメッシュを表現し、この直接パラメトリゼーション上で拡散モデルを訓練する。
  論文  参考訳（メタデータ） (2023-03-14T17:59:01Z)

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。