論文の概要: LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning

• arxiv url: http://arxiv.org/abs/2511.10040v2
• Date: Tue, 18 Nov 2025 12:07:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 13:59:16.581307
• Title: LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning
• Title（参考訳）: LoG3D:局所-粒子分割による超高分解能3次元形状モデリング
• Authors: Xinran Yang, Shuichang Lai, Jiangjing Lyu, Hongjie Li, Bowen Pan, Yuanqi Li, Jie Guo, Zhengkang Zhou, Yanwen Guo,
• Abstract要約: 非符号距離場(UDF)に基づく新しい3次元変分オートエンコーダフレームワークを提案する。 私たちの中心となるイノベーションは、UDFを統一サブボリュームであるUBlockに分割することで処理する、ローカルからグローバルなアーキテクチャです。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。
• 参考スコア（独自算出の注目度）: 26.88556500272625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating high-fidelity 3D contents remains a fundamental challenge due to the complexity of representing arbitrary topologies-such as open surfaces and intricate internal structures-while preserving geometric details. Prevailing methods based on signed distance fields (SDFs) are hampered by costly watertight preprocessing and struggle with non-manifold geometries, while point-cloud representations often suffer from sampling artifacts and surface discontinuities. To overcome these limitations, we propose a novel 3D variational autoencoder (VAE) framework built upon unsigned distance fields (UDFs)-a more robust and computationally efficient representation that naturally handles complex and incomplete shapes. Our core innovation is a local-to-global (LoG) architecture that processes the UDF by partitioning it into uniform subvolumes, termed UBlocks. This architecture couples 3D convolutions for capturing local detail with sparse transformers for enforcing global coherence. A Pad-Average strategy further ensures smooth transitions at subvolume boundaries during reconstruction. This modular design enables seamless scaling to ultra-high resolutions up to $2048^3$-a regime previously unattainable for 3D VAEs. Experiments demonstrate state-of-the-art performance in both reconstruction accuracy and generative quality, yielding superior surface smoothness and geometric flexibility.
• Abstract（参考訳）: 高忠実度3Dコンテンツを生成することは、任意の位相(開曲面や複雑な内部構造など)を表現し、幾何学的詳細を保存するという複雑さのために、依然として根本的な課題である。 符号付き距離場(SDF)に基づく一般的な手法は、高価な水密前処理と非多様体のジオメトリーとの競合によって妨げられるが、ポイントクラウド表現は、しばしば収集されたアーティファクトや表面の不連続に悩まされる。 これらの制約を克服するために,非符号距離場(UDF)上に構築された新しい3次元変分オートエンコーダ(VAE)フレームワークを提案する。 私たちの中心となるイノベーションは、UBlockと呼ばれる統一サブボリュームに分割することでUDFを処理するローカル・グローバル(LoG)アーキテクチャです。 このアーキテクチャは、局所的な詳細を捉えるための3D畳み込みと、グローバルコヒーレンスを強制するためのスパーストランスフォーマーを結合する。 Pad-Average戦略は、再構築中にサブボリューム境界におけるスムーズな遷移を保証する。 このモジュラー設計により、これまで3D VAEでは達成できなかった2048^3$-aの超高解像度までシームレスなスケーリングが可能になる。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。

関連論文リスト

• Faithful Contouring: Near-Lossless 3D Voxel Representation Free from Iso-surface [49.742538510885]
  本稿では,3次元メッシュにおけるほぼロスレスな忠実度を実現するボクセル化表現であるFithful Contouringを提案する。 提案手法は,既存表現の柔軟性と改善も示す。
  論文  参考訳（メタデータ） (2025-11-06T03:56:12Z)
• Sparc3D: Sparse Representation and Construction for High-Resolution 3D Shapes Modeling [34.238349310770886]
  Sarc3Dはスパース変形可能なマーチングキューブ表現と新しいエンコーダSparconv-VAEを組み合わせた統一フレームワークである。 Sparc3Dは、オープンサーフェス、切断されたコンポーネント、複雑な幾何学を含む挑戦的な入力に対して、最先端の再構築忠実性を達成する。
  論文  参考訳（メタデータ） (2025-05-20T15:44:54Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• ArchComplete: Autoregressive 3D Architectural Design Generation with Hierarchical Diffusion-Based Upsampling [0.0]
  ArchCompleteはベクトル量子化モデルからなる2段階のボクセルベースの3D生成パイプラインである。 パイプラインのキーとなるのは、(i) 2.5Dの知覚的損失とともに最適化された、ローカルなパッチ埋め込みのコンテキスト的にリッチなコードブックを学習することです。 ArchCompleteは643ドルという解像度で自動回帰的にモデルを生成し、それを5123ドルまで改良する。
  論文  参考訳（メタデータ） (2024-12-23T20:13:27Z)
• NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation [52.772319840580074]
  3D形状生成は、特定の条件や制約に固執する革新的な3Dコンテンツを作成することを目的としている。 既存の方法は、しばしば3Dの形状を局所化されたコンポーネントの列に分解し、各要素を分離して扱う。 本研究では2次元平面表現を利用した空間認識型3次元形状生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-27T04:09:34Z)
• NeuralUDF: Learning Unsigned Distance Fields for Multi-view Reconstruction of Surfaces with Arbitrary Topologies [87.06532943371575]
  本稿では2次元画像からボリュームレンダリングにより任意の位相で表面を再構成する新しい手法であるNeuralUDFを提案する。 本稿では,表面をUDF(Unsigned Distance Function)として表現し,ニューラルUDF表現を学習するための新しいボリュームレンダリング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T15:21:45Z)

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。