論文の概要: QuadGPT: Native Quadrilateral Mesh Generation with Autoregressive Models

• arxiv url: http://arxiv.org/abs/2509.21420v1
• Date: Thu, 25 Sep 2025 07:58:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:53.918593
• Title: QuadGPT: Native Quadrilateral Mesh Generation with Autoregressive Models
• Title（参考訳）: QuadGPT: 自己回帰モデルを用いたネイティブ4次メッシュ生成
• Authors: Jian Liu, Chunshi Wang, Song Guo, Haohan Weng, Zhen Zhou, Zhiqi Li, Jiaao Yu, Yiling Zhu, Jing Xu, Biwen Lei, Zhuo Chen, Chunchao Guo,
• Abstract要約: エンドツーエンドで四角形メッシュを生成するための,最初の自動回帰フレームワークであるQuadGPTを紹介する。 我々の研究は、ネイティブクアッドメシュ生成のための新しいベンチマークを確立し、大規模自己回帰モデルとトポロジを意識したRLリファインメントを組み合わせたパワーを示す。
• 参考スコア（独自算出の注目度）: 34.888585681291794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The generation of quadrilateral-dominant meshes is a cornerstone of professional 3D content creation. However, existing generative models generate quad meshes by first generating triangle meshes and then merging triangles into quadrilaterals with some specific rules, which typically produces quad meshes with poor topology. In this paper, we introduce QuadGPT, the first autoregressive framework for generating quadrilateral meshes in an end-to-end manner. QuadGPT formulates this as a sequence prediction paradigm, distinguished by two key innovations: a unified tokenization method to handle mixed topologies of triangles and quadrilaterals, and a specialized Reinforcement Learning fine-tuning method tDPO for better generation quality. Extensive experiments demonstrate that QuadGPT significantly surpasses previous triangle-to-quad conversion pipelines in both geometric accuracy and topological quality. Our work establishes a new benchmark for native quad-mesh generation and showcases the power of combining large-scale autoregressive models with topology-aware RL refinement for creating structured 3D assets.
• Abstract（参考訳）: 四角形のメッシュの生成は、プロの3Dコンテンツ作成の基盤となる。 しかしながら、既存の生成モデルは、トライアングルメッシュを最初に生成し、その後、特定の規則で三角形を四角形にマージすることでクワッドメッシュを生成し、通常はトポロジの悪いクワッドメッシュを生成する。 本稿では,四角形メッシュをエンドツーエンドに生成する最初の自動回帰フレームワークであるQuadGPTを紹介する。 QuadGPTはこれを、三角形と四辺形の混合位相を扱う統一トークン化法と、より優れた生成品質を実現するための特殊強化学習細調整法tDPOの2つの主要な革新によって区別されたシーケンス予測パラダイムとして定式化している。 大規模な実験により、QuadGPTは幾何学的精度と位相的品質の両方において、以前の三角形から四角形への変換パイプラインを大幅に上回っていることが示された。 我々の研究は、ネイティブクアッドメシュ生成のための新しいベンチマークを確立し、大規模自己回帰モデルとトポロジーを意識したRLリファインメントを組み合わせることで、構造化された3Dアセットを作成する能力を示す。

関連論文リスト

• 4D Driving Scene Generation With Stereo Forcing [62.47705572424127]
  現在の生成モデルは、時間外挿と空間的新規ビュー合成(NVS)をシーンごとの最適化なしで同時にサポートする動的4D駆動シーンの合成に苦慮している。 PhiGenesisは、幾何学的・時間的整合性を持った映像生成技術を拡張する4次元シーン生成のための統合フレームワークである。
  論文  参考訳（メタデータ） (2025-09-24T15:37:17Z)
• TetWeave: Isosurface Extraction using On-The-Fly Delaunay Tetrahedral Grids for Gradient-Based Mesh Optimization [59.318328774645835]
  我々は、勾配に基づくメッシュ最適化のための新しい等曲面表現であるTetWeaveを紹介する。 TetWeaveは、Delaunay三角測量を通じて、四面体グリッドをオンザフライで構築する。 我々は,コンピュータグラフィックスとビジョンの幅広い課題に対して,TetWeaveの適用性を示す。
  論文  参考訳（メタデータ） (2025-05-07T17:32:49Z)
• Point2Quad: Generating Quad Meshes from Point Clouds via Face Prediction [8.692983641469612]
  Point2Quadは、ポイントクラウドからクアッドオンリーメッシュを生成するための、最初の学習ベースの方法である。 キーとなるアイデアは、ポイントワイドとフェイスワイドの機能を備えたクワッドメッシュを識別することだ。 クリアデータとノイズデータの両方の実験は、Point2Quadの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2025-04-28T07:48:17Z)
• CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation [11.447223770747051]
  CLR ContinuousWireは曲線をパラメトリック曲線としてエンコードし、パラメトリック曲線を連続的で固定された潜在空間に変換する。 この統一されたアプローチは幾何学と位相の両方を生成する。
  論文  参考訳（メタデータ） (2025-04-27T09:32:42Z)
• MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers [32.169007676811404]
  MeshGPTは、アーティストが作ったメッシュに典型的なコンパクトさを反映した、三角形メッシュを生成するための新しいアプローチである。 近年の強力な大規模言語モデルの発展に触発されて,三角メッシュを三角形として自動回帰的に生成するシーケンスベースアプローチを採用した。
  論文  参考訳（メタデータ） (2023-11-27T01:20:11Z)
• Neural Template: Topology-aware Reconstruction and Disentangled Generation of 3D Meshes [52.038346313823524]
  本稿では,Distangled Topologyによる3次元メッシュ再構成と生成のためのDTNetという新しいフレームワークを提案する。 提案手法は,最先端の手法と比較して,特に多様なトポロジで高品質な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） (2022-06-10T08:32:57Z)
• Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
  学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。 ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。 Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
  論文  参考訳（メタデータ） (2020-11-03T02:57:01Z)

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。