論文の概要: Neural Geometry Image-Based Representations with Optimal Transport (OT)

• arxiv url: http://arxiv.org/abs/2511.18679v1
• Date: Mon, 24 Nov 2025 01:43:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.968128
• Title: Neural Geometry Image-Based Representations with Optimal Transport (OT)
• Title（参考訳）: 最適輸送(OT)を用いたニューラルジオメトリ画像ベース表現
• Authors: Xiang Gao, Yuanpeng Liu, Xinmu Wang, Jiazhi Li, Minghao Guo, Yu Guo, Xiyun Song, Heather Yu, Zhiqiang Lao, Xianfeng David Gu,
• Abstract要約: 我々は,デコーダフリーで,記憶効率が良く,ニューラル処理に適したニューラルジオメトリ画像ベース表現を提案する。 圧縮比(CR)、チャンファー距離(CD)、ハウスドルフ距離(HD)で測定した最先端の保存効率と復元精度に関する実験的研究
• 参考スコア（独自算出の注目度）: 18.327691985523476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural representations for 3D meshes are emerging as an effective solution for compact storage and efficient processing. Existing methods often rely on neural overfitting, where a coarse mesh is stored and progressively refined through multiple decoder networks. While this can restore high-quality surfaces, it is computationally expensive due to successive decoding passes and the irregular structure of mesh data. In contrast, images have a regular structure that enables powerful super-resolution and restoration frameworks, but applying these advantages to meshes is difficult because their irregular connectivity demands complex encoder-decoder architectures. Our key insight is that a geometry image-based representation transforms irregular meshes into a regular image grid, making efficient image-based neural processing directly applicable. Building on this idea, we introduce our neural geometry image-based representation, which is decoder-free, storage-efficient, and naturally suited for neural processing. It stores a low-resolution geometry-image mipmap of the surface, from which high-quality meshes are restored in a single forward pass. To construct geometry images, we leverage Optimal Transport (OT), which resolves oversampling in flat regions and undersampling in feature-rich regions, and enables continuous levels of detail (LoD) through geometry-image mipmapping. Experimental results demonstrate state-of-the-art storage efficiency and restoration accuracy, measured by compression ratio (CR), Chamfer distance (CD), and Hausdorff distance (HD).
• Abstract（参考訳）: 3Dメッシュのニューラル表現は、コンパクトなストレージと効率的な処理のための効果的なソリューションとして現れている。 既存の方法は、粗いメッシュを格納し、複数のデコーダネットワークを通じて徐々に洗練する神経オーバーフィッティングに依存していることが多い。 これは高品質な表面を復元することができるが、連続した復号パスとメッシュデータの不規則な構造のために計算コストがかかる。 対照的に、画像は強力な超解像および復元フレームワークを可能にする規則的な構造を持つが、これらの利点をメッシュに適用することは、不規則な接続性は複雑なエンコーダ・デコーダアーキテクチャを必要とするため困難である。 我々の重要な洞察は、幾何学的画像ベース表現が不規則なメッシュを正規のイメージグリッドに変換し、効率的な画像ベースニューラル処理を直接適用できるようにすることである。 このアイデアに基づいて、デコーダなし、ストレージ効率が良く、ニューラル処理に自然に適しているニューラルネットワーク画像ベースの表現を導入します。 表面の低解像度な幾何学画像ミップマップを格納し、そこから高品質なメッシュを1つの前方通過で復元する。 幾何学画像を構築するために,平面領域のオーバーサンプリングと特徴豊富な領域のアンサンプを解消する最適輸送(OT)を活用し,幾何学画像のミップマッピングにより連続的な詳細レベル(LoD)を実現する。 圧縮比 (CR) , チャンファー距離 (CD) , ハウスドルフ距離 (HD) で測定し, 保存効率と復元精度を実証した。

関連論文リスト

• Self-Attention Based Multi-Scale Graph Auto-Encoder Network of 3D Meshes [1.573038298640368]
  3D Geometric Mesh Network(3DGeoMeshNet)は、異方性畳み込み層を用いて空間領域内でグローバルな特徴とローカルな特徴を直接学習する新しいGCNベースのフレームワークである。 我々のアーキテクチャはマルチスケールエンコーダ・デコーダ構造を特徴とし、大域的および局所的な経路は大規模な幾何学的構造と微細な局所的詳細の両方を捉えている。
  論文  参考訳（メタデータ） (2025-07-07T07:36:03Z)
• N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
  3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。 本手法は, 視認性, 深度, 外観特性を忠実に近似する。
  論文  参考訳（メタデータ） (2024-05-25T13:54:34Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Deformation-Invariant Neural Network and Its Applications in Distorted Image Restoration and Analysis [8.009077765403287]
  幾何学的歪みによって劣化した画像は、画像や物体認識などのコンピュータビジョンタスクにおいて重要な課題となる。 ディープラーニングに基づく画像モデルは通常、幾何学的に歪んだ画像に対して正確な性能を与えることができない。 本稿では、幾何学的に歪んだ画像の撮像タスクに対処するフレームワークである変形不変ニューラルネットワーク(DINN)を提案する。
  論文  参考訳（メタデータ） (2023-10-04T08:01:36Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• SDWNet: A Straight Dilated Network with Wavelet Transformation for Image Deblurring [23.86692375792203]
  画像劣化は、ぼやけた画像から鋭い画像を復元することを目的としたコンピュータビジョンの問題である。 我々のモデルは拡張畳み込みを用いて空間分解能の高い大きな受容場を得ることができる。 本稿では,ウェーブレット変換を用いた新しいモジュールを提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:58:10Z)
• Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes [77.6741486264257]
  本稿では,高忠実度ニューラルネットワークSDFのリアルタイムレンダリングを可能にする,効率的なニューラル表現を提案する。 我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。
  論文  参考訳（メタデータ） (2021-01-26T18:50:22Z)

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。