論文の概要: Unified Primitive Proxies for Structured Shape Completion

• arxiv url: http://arxiv.org/abs/2601.00759v1
• Date: Fri, 02 Jan 2026 17:32:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.613735
• Title: Unified Primitive Proxies for Structured Shape Completion
• Title（参考訳）: 構造的形状完備化のための統一原始プロキシ
• Authors: Zhaiyu Chen, Yuqing Wang, Xiao Xiang Zhu,
• Abstract要約: 構造的形状完備化は、非構造的点としてではなく原始として欠落した幾何学を回復する。 単一のフィードフォワードパスで、完全な幾何学、意味論、および不整合のメンバーシップを持つプリミティブのセットを予測するUniCoを提案する。
• 参考スコア（独自算出の注目度）: 28.32354310239772
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Structured shape completion recovers missing geometry as primitives rather than as unstructured points, which enables primitive-based surface reconstruction. Instead of following the prevailing cascade, we rethink how primitives and points should interact, and find it more effective to decode primitives in a dedicated pathway that attends to shared shape features. Following this principle, we present UniCo, which in a single feed-forward pass predicts a set of primitives with complete geometry, semantics, and inlier membership. To drive this unified representation, we introduce primitive proxies, learnable queries that are contextualized to produce assembly-ready outputs. To ensure consistent optimization, our training strategy couples primitives and points with online target updates. Across synthetic and real-world benchmarks with four independent assembly solvers, UniCo consistently outperforms recent baselines, lowering Chamfer distance by up to 50% and improving normal consistency by up to 7%. These results establish an attractive recipe for structured 3D understanding from incomplete data. Project page: https://unico-completion.github.io.
• Abstract（参考訳）: 構造的形状の完備化は、未構造化点ではなく原始的な幾何学として欠落した幾何学を復元し、原始的表面の再構成を可能にする。 一般的なカスケードに従う代わりに、プリミティブとポイントがどのように相互作用すべきかを再考し、共有された形状特徴に付随する専用経路でプリミティブをデコードするより効果的な方法を見つけます。 この原則に従うと、UniCoは1つのフィードフォワードパスで、完全な幾何学、意味論、不整合のメンバーシップを持つプリミティブの集合を予測する。 この統一表現を駆動するために、組立可能な出力を生成するためにコンテキスト化されたプリミティブプロキシ、学習可能なクエリを導入する。 一貫性のある最適化を保証するため、トレーニング戦略では、プリミティブとポイントをオンラインターゲット更新と組み合わせています。 4つの独立したアセンブリソルバを備えた合成および実世界のベンチマーク全体で、UniCoは最近のベースラインを一貫して上回り、Chamfer距離を最大50%下げ、正常な一貫性を最大7%向上させた。 これらの結果は、不完全なデータから構造化された3次元理解のための魅力的なレシピを確立する。 プロジェクトページ: https://unico-completion.github.io

関連論文リスト

• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• ReassembleNet: Learnable Keypoints and Diffusion for 2D Fresco Reconstruction [20.327632780374497]
  我々は、最先端のDeep Learningメソッドにおいて、再アセンブリのための重要な制限に対処する。 本稿では,各入力片を輪郭キーポイントの集合として表現することで,複雑性を低減する手法であるReassembleNetを提案する。 次に拡散に基づくポーズ推定を適用し,元の構造を復元する。
  論文  参考訳（メタデータ） (2025-05-27T12:38:06Z)
• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
  本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。 各パーティション内に1つのプリミティブを導出するために空間分割を適用する。 我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2024-06-07T21:07:49Z)
• P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images [5.589842901102337]
  既存の方法は不規則な輪郭、丸い角、冗長点に悩まされている。 本稿では,ポストプロセッシングを使わずに通常の建物輪郭を生成する,新しい合理化パイプラインを提案する。 P2PFormerは、WHU、CrowdAI、WHU-Mixデータセット上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2024-06-05T04:38:45Z)
• Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
  本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。 従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T05:34:29Z)
• SRPCN: Structure Retrieval based Point Completion Network [9.456072124396231]
  構造検索に基づくポイントコンプリートネットワーク(SRPCN)を提案する。 最初はk平均クラスタリングを使用して構造点を抽出し、それを分布に分散し、その後、完全な構造点雲を見つけるための計量としてKLディバージェンス(英語版)が用いられる。 実験により,本手法はより正確な結果が得られ,より強力な一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2022-02-06T01:20:50Z)
• Training Data Generating Networks: Shape Reconstruction via Bi-level Optimization [52.17872739634213]
  単一画像からの3次元形状再構成のための新しい3次元形状表現を提案する。 ネットワークをトレーニングしてトレーニングセットを生成し、別の学習アルゴリズムに入力して形状を定義します。
  論文  参考訳（メタデータ） (2020-10-16T09:52:13Z)
• Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
  3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。 本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
  論文  参考訳（メタデータ） (2020-03-03T17:40:00Z)

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。