論文の概要: Mesh RAG: Retrieval Augmentation for Autoregressive Mesh Generation

• arxiv url: http://arxiv.org/abs/2511.16807v1
• Date: Thu, 20 Nov 2025 21:13:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.811778
• Title: Mesh RAG: Retrieval Augmentation for Autoregressive Mesh Generation
• Title（参考訳）: Mesh RAG: 自動回帰メッシュ生成のための検索拡張
• Authors: Xiatao Sun, Chen Liang, Qian Wang, Daniel Rakita,
• Abstract要約: Mesh RAGは、自動回帰メッシュ生成モデルのためのトレーニング不要のプラグイン・アンド・プレイフレームワークである。 言語モデルのためのRAGにインスパイアされた我々のアプローチは、ポイントクラウドセグメンテーションを活用して生成プロセスを強化する。 メッシュの品質を大幅に向上し、逐次部分予測よりも生成速度を向上し、インクリメンタルな編集を可能にした。
• 参考スコア（独自算出の注目度）: 11.723535704837266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D meshes are a critical building block for applications ranging from industrial design and gaming to simulation and robotics. Traditionally, meshes are crafted manually by artists, a process that is time-intensive and difficult to scale. To automate and accelerate this asset creation, autoregressive models have emerged as a powerful paradigm for artistic mesh generation. However, current methods to enhance quality typically rely on larger models or longer sequences that result in longer generation time, and their inherent sequential nature imposes a severe quality-speed trade-off. This sequential dependency also significantly complicates incremental editing. To overcome these limitations, we propose Mesh RAG, a novel, training-free, plug-and-play framework for autoregressive mesh generation models. Inspired by RAG for language models, our approach augments the generation process by leveraging point cloud segmentation, spatial transformation, and point cloud registration to retrieve, generate, and integrate mesh components. This retrieval-based approach decouples generation from its strict sequential dependency, facilitating efficient and parallelizable inference. We demonstrate the wide applicability of Mesh RAG across various foundational autoregressive mesh generation models, showing it significantly enhances mesh quality, accelerates generation speed compared to sequential part prediction, and enables incremental editing, all without model retraining.
• Abstract（参考訳）: 3Dメッシュは、産業設計、ゲーム、シミュレーション、ロボット工学に至るまで、アプリケーションにとって重要なビルディングブロックである。 従来、メッシュはアーティストによって手作業で作られてきた。 このアセット生成を自動化し、加速するために、自動回帰モデルは、芸術的なメッシュ生成の強力なパラダイムとして現れました。 しかしながら、現在の品質向上手法は一般的に、より大きなモデルやより長いシーケンスに頼り、より長い生成時間をもたらし、その本質的にのシーケンシャルな性質は、厳しい品質と速度のトレードオフを引き起こす。 このシーケンシャルな依存関係は、インクリメンタルな編集を著しく複雑にする。 これらの制限を克服するために、自動回帰メッシュ生成モデルのための新しい、トレーニング不要のプラグアンドプレイフレームワークであるMesh RAGを提案する。 言語モデルのためのRAGにインスパイアされた我々のアプローチは、ポイントクラウドセグメンテーション、空間変換、ポイントクラウド登録を活用して、メッシュコンポーネントを検索、生成、統合することで、生成プロセスを強化する。 この検索ベースのアプローチは、厳密なシーケンシャルな依存関係から生成を分離し、効率的で並列化可能な推論を容易にする。 各種基本自己回帰メッシュ生成モデルにおけるメッシュRAGの適用性を示し、メッシュ品質を著しく向上し、逐次部分予測よりも生成速度を向上し、モデル再トレーニングなしでインクリメンタルな編集を可能にする。

関連論文リスト

• FlashMesh: Faster and Better Autoregressive Mesh Synthesis via Structured Speculation [65.3277633028397]
  FlashMeshは高速かつ高忠実なメッシュ生成フレームワークである。 我々は、FlashMeshが標準の自己回帰モデルよりも最大2倍のスピードアップを達成することを示す。
  論文  参考訳（メタデータ） (2025-11-19T17:03:49Z)
• ARMesh: Autoregressive Mesh Generation via Next-Level-of-Detail Prediction [45.699110709239996]
  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。
  論文  参考訳（メタデータ） (2025-09-25T07:12:02Z)
• FastMesh: Efficient Artistic Mesh Generation via Component Decoupling [27.21354509059262]
  メッシュ生成アプローチは通常、三角形メッシュをトークンのシーケンスにトークン化し、これらのトークンをシーケンシャルに生成するように自動回帰モデルを訓練する。 この冗長性は、過度に長いトークンシーケンスと非効率な生成プロセスをもたらす。 本稿では,頂点と面を別々に扱うことにより,芸術的メッシュを生成する効率的な枠組みを提案する。
  論文  参考訳（メタデータ） (2025-08-26T16:51:02Z)
• Fast Autoregressive Models for Continuous Latent Generation [49.079819389916764]
  自己回帰モデルは、特にNLPにおいて、シーケンシャルなデータ生成において顕著な成功を収めている。 最近の研究で、マスク付き自己回帰モデル(MAR)は拡散ヘッドを用いて連続空間内のトーケン分布をモデル化することによって量子化をバイパスする。 本稿では,MARの拡散ヘッドを軽量ショートカットヘッドに置き換える新しいフレームワークであるFast AutoRegressive Model (FAR)を提案する。
  論文  参考訳（メタデータ） (2025-04-24T13:57:08Z)
• MeshCraft: Exploring Efficient and Controllable Mesh Generation with Flow-based DiTs [79.45006864728893]
  MeshCraftは、効率的かつ制御可能なメッシュ生成のためのフレームワークである。 連続的な空間拡散を用いて、離散的な三角形の面を生成する。 800面のメッシュを3.2秒で生成できる。
  論文  参考訳（メタデータ） (2025-03-29T09:21:50Z)
• Parallelized Autoregressive Visual Generation [65.9579525736345]
  本稿では,並列化された自己回帰視覚生成のための簡易かつ効果的な手法を提案する。 本手法は,画像生成タスクと映像生成タスクの両方において,最大9.5倍の高速化を実現し,品質劣化を最小限に抑えた3.6倍の高速化を実現する。
  論文  参考訳（メタデータ） (2024-12-19T17:59:54Z)

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。