論文の概要: TetraSDF: Precise Mesh Extraction with Multi-resolution Tetrahedral Grid

• arxiv url: http://arxiv.org/abs/2511.16273v1
• Date: Thu, 20 Nov 2025 11:53:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.596331
• Title: TetraSDF: Precise Mesh Extraction with Multi-resolution Tetrahedral Grid
• Title（参考訳）: TetraSDF:マルチレゾリューションテトラダラルグリッドを用いた高精度メッシュ抽出
• Authors: Seonghun Oh, Youngjung Uh, Jin-Hwa Kim,
• Abstract要約: TetraSDFは、ReLU分析アフィンで表されるニューラルサインされた距離関数の正確な分析メッシュフレームワークである。 エンコーダのメトリックから導出される固定入力器は、指向性バイアスを低減し、トレーニングを安定化させる。 複数のベンチマークにおいて、TetraSDFはSDF再構成精度において既存のグリッドベースのエンコーダと一致または上回る。
• 参考スコア（独自算出の注目度）: 27.090335164264275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Extracting meshes that exactly match the zero-level set of neural signed distance functions (SDFs) remains challenging. Sampling-based methods introduce discretization error, while continuous piecewise affine (CPWA) analytic approaches apply only to plain ReLU MLPs. We present TetraSDF, a precise analytic meshing framework for SDFs represented by a ReLU MLP composed with a multi-resolution tetrahedral positional encoder. The encoder's barycentric interpolation preserves global CPWA structure, enabling us to track ReLU linear regions within an encoder-induced polyhedral complex. A fixed analytic input preconditioner derived from the encoder's metric further reduces directional bias and stabilizes training. Across multiple benchmarks, TetraSDF matches or surpasses existing grid-based encoders in SDF reconstruction accuracy, and its analytic extractor produces highly self-consistent meshes that remain faithful to the learned isosurfaces, all with practical runtime and memory efficiency.
• Abstract（参考訳）: ニューラルネットワーク符号距離関数(SDF)のゼロレベルセットと正確に一致するメッシュの抽出は依然として困難である。 サンプリングに基づく手法は離散化誤差を導入し、一方、CPWA (Continuous piecewise Affine) 分析手法は普通のReLU MLPにのみ適用される。 多分解能四面体位置エンコーダで構成されるReLU MLPで表されるSDFの正確な解析メッシュフレームワークTetraSDFを提案する。 エンコーダのバリ中心補間はグローバルCPWA構造を保ち、エンコーダによって誘導される多面体複合体内のReLU線形領域を追跡できる。 エンコーダの計量から導出される固定解析入力事前条件器は、さらに指向性バイアスを低減し、訓練を安定化させる。 複数のベンチマークにおいて、TetraSDFはSDF再構成精度において既存のグリッドベースのエンコーダと一致するか、あるいは超える。

関連論文リスト

• Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
  既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。 拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
  論文  参考訳（メタデータ） (2025-11-11T08:40:28Z)
• Simplex-FEM Networks (SiFEN): Learning A Triangulated Function Approximator [1.565870461096057]
  SiFEN は、f: Rd -> Rk を学習された単純なメッシュ上の大域的な Cr 有限要素場として表現する学習的多項式予測器である。 各クエリは、正確に1つの単純度と、ほとんどのd+1基底関数をバリ座標を介して活性化する。
  論文  参考訳（メタデータ） (2025-11-06T20:49:13Z)
• Guided Diffusion Sampling on Function Spaces with Applications to PDEs [112.09025802445329]
  PDEに基づく逆問題における条件付きサンプリングのための一般的なフレームワークを提案する。 これは、関数空間拡散モデルと条件付けのためのプラグアンドプレイガイダンスによって達成される。 提案手法は,最先端の固定解像度拡散ベースラインに対して平均32%の精度向上を実現する。
  論文  参考訳（メタデータ） (2025-05-22T17:58:12Z)
• Universality of Real Minimal Complexity Reservoir [0.358439716487063]
  貯留層計算(Reservoir Computing, RC)モデルは、その固定された非トレーニング可能な入力層と動的に結合された貯留層によって区別される。 Simple Cycle Reservoirs (SCR) は、制約の高い貯水池構造を持つRCモデルの特殊なクラスである。 実領域で動作するSCRは、減少するメモリを持つ時間不変の動的フィルタの普遍的な近似器である。
  論文  参考訳（メタデータ） (2024-08-15T10:44:33Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• An inexact LPA for DC composite optimization and application to matrix completions with outliers [7.8086907734474345]
  非滑らか成分による複合最適化問題のクラス。 提案したiLPAは、外れ値と非一様サンプリングを持つロバストな分解モデル行列に適用される。
  論文  参考訳（メタデータ） (2023-03-29T16:15:34Z)
• Square Root Bundle Adjustment for Large-Scale Reconstruction [56.44094187152862]
  QR分解によるランドマーク変数のnullspace marginalizationに依存するバンドル調整問題の新たな定式化を提案する。 平方根束調整と呼ばれる私たちのアプローチは、一般的に使用されるSchur補完トリックと代数的に等価です。 BALデータセットを用いた実世界での実験では、提案されたソルバが単一の精度でも平均的等しく正確なソリューションで達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-02T16:26:20Z)
• Towards Optimal Branching of Linear and Semidefinite Relaxations for Neural Network Robustness Certification [10.349616734896522]
  本研究では,ReLUニューラルネットワークの逆入力摂動に対する堅牢性を検証する。 入力不確実性集合を分割し,各部分の緩和を個別に解くために,分岐とバウンドのアプローチをとる。 提案手法は緩和誤差を低減し,ReLUアクティベーションの性質を活かしたパーティションを用いてLP緩和を行うことによって完全に誤差を除去することを示す。
  論文  参考訳（メタデータ） (2021-01-22T19:36:40Z)

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。