論文の概要: Decoder Generates Manufacturable Structures: A Framework for 3D-Printable Object Synthesis
- arxiv url: http://arxiv.org/abs/2601.08015v1
- Date: Wed, 07 Jan 2026 07:38:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:18.957934
- Title: Decoder Generates Manufacturable Structures: A Framework for 3D-Printable Object Synthesis
- Title（参考訳）: Decoderが3Dプリント可能なオブジェクト合成のためのフレームワークManufacturable Structuresを生成
- Authors: Abhishek Kumar,
- Abstract要約: 本稿では,潜在表現を幾何学的に有効な印刷可能なオブジェクトにデコードするディープラーニングフレームワークを提案する。
多様なオブジェクトカテゴリに対するアプローチを検証し,デコーダ生成構造の実用的3Dプリンティングを実証する。
- 参考スコア（独自算出の注目度）: 8.709638469928448
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper presents a novel decoder-based approach for generating manufacturable 3D structures optimized for additive manufacturing. We introduce a deep learning framework that decodes latent representations into geometrically valid, printable objects while respecting manufacturing constraints such as overhang angles, wall thickness, and structural integrity. The methodology demonstrates that neural decoders can learn complex mapping functions from abstract representations to valid 3D geometries, producing parts with significantly improved manufacturability compared to naive generation approaches. We validate the approach on diverse object categories and demonstrate practical 3D printing of decoder-generated structures.
- Abstract（参考訳）: 本稿では, 添加物製造に最適化された製造可能な3次元構造を生成するためのデコーダを用いた新しい手法を提案する。
本稿では,遅延表現を幾何学的に妥当な印刷可能なオブジェクトにデコードする深層学習フレームワークを導入するとともに,オーバーハング角度や壁厚,構造的整合性といった製造制約を尊重する。
この手法は,抽象表現から有効な3次元ジオメトリへの複雑なマッピング関数を学習できることを実証する。
多様なオブジェクトカテゴリに対するアプローチを検証し,デコーダ生成構造の実用的3Dプリンティングを実証する。
関連論文リスト
- Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - Hierarchical Neural Semantic Representation for 3D Semantic Correspondence [72.8101601086805]
階層型ニューラルセマンティック表現(HNSR)を設計し,高次構造と多分解能局所幾何学的特徴を捉える。
第2に,グローバルなセマンティック特徴を用いた粗いセマンティック対応を確立する,プログレッシブなグローバル-ローカルマッチング戦略を設計する。
第3に,本フレームワークはトレーニングフリーで,様々なトレーニング済みの3D生成バックボーンと広範囲に互換性があり,多様な形状カテゴリにまたがる強力な一般化が示されている。
論文 参考訳（メタデータ） (2025-09-22T07:23:07Z) - End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards [8.953379216683732]
本稿では,人間のフィードバックを3次元テクスチャパイプラインに直接埋め込む,エンドツーエンドの微分可能・強化学習不要なフレームワークを提案する。
幾何学的および外見的モジュールによる好み信号のバックプロパゲーションにより、3次元幾何学的構造を尊重し、所望の基準と整合するテクスチャを生成する。
論文 参考訳（メタデータ） (2025-06-23T06:24:12Z) - ArtFormer: Controllable Generation of Diverse 3D Articulated Objects [5.320860732053524]
本稿では,3次元調音物体のモデリングと条件生成のための新しい枠組みを提案する。
トークンのツリーとして記述されたオブジェクトをパラメータ化し、トランスフォーマーを用いてオブジェクトの高レベルな幾何コードとその運動的関係を生成する。
提案手法により,高品質な形状と部品数の異なる多種多様なオブジェクトの生成が可能となる。
論文 参考訳（メタデータ） (2024-12-10T07:00:05Z) - Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。
本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
論文 参考訳（メタデータ） (2023-07-16T10:07:15Z) - DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape
Generation [98.96086261213578]
DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。
これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。
本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
論文 参考訳（メタデータ） (2020-08-12T17:06:51Z) - 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。