論文の概要: AssetFormer: Modular 3D Assets Generation with Autoregressive Transformer
- arxiv url: http://arxiv.org/abs/2602.12100v1
- Date: Thu, 12 Feb 2026 15:55:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.908834
- Title: AssetFormer: Modular 3D Assets Generation with Autoregressive Transformer
- Title（参考訳）: AssetFormer: 自動回帰変換器によるモジュール型3Dアセット生成
- Authors: Lingting Zhu, Shengju Qian, Haidi Fan, Jiayu Dong, Zhenchao Jin, Siwei Zhou, Gen Dong, Xin Wang, Lequan Yu,
- Abstract要約: AssetFormerは、テキスト記述からモジュラー3Dアセットを生成するために設計された自動回帰トランスフォーマーベースのモデルである。
この研究は、様々なタイプのモジュラー3Dアセットに拡張可能なフレキシブルなフレームワークを示し、3Dコンテンツ生成の幅広い分野に寄与する。
- 参考スコア（独自算出の注目度）: 32.66291156325781
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The digital industry demands high-quality, diverse modular 3D assets, especially for user-generated content~(UGC). In this work, we introduce AssetFormer, an autoregressive Transformer-based model designed to generate modular 3D assets from textual descriptions. Our pilot study leverages real-world modular assets collected from online platforms. AssetFormer tackles the challenge of creating assets composed of primitives that adhere to constrained design parameters for various applications. By innovatively adapting module sequencing and decoding techniques inspired by language models, our approach enhances asset generation quality through autoregressive modeling. Initial results indicate the effectiveness of AssetFormer in streamlining asset creation for professional development and UGC scenarios. This work presents a flexible framework extendable to various types of modular 3D assets, contributing to the broader field of 3D content generation. The code is available at https://github.com/Advocate99/AssetFormer.
- Abstract（参考訳）: デジタル産業は、特にユーザ生成コンテンツ(UGC)のために、高品質で多様なモジュラー3Dアセットを要求する。
本稿では,テキスト記述からモジュラー3Dアセットを生成するための自動回帰トランスフォーマーモデルAssetFormerを紹介する。
私たちのパイロットスタディでは,オンラインプラットフォームから収集した実世界のモジュール資産を活用しています。
AssetFormerは、様々なアプリケーションの制約された設計パラメータに従うプリミティブで構成されたアセットを作成するという課題に取り組む。
言語モデルにインスパイアされたモジュールシークエンシングと復号化手法を革新的に適用することにより,自動回帰モデリングによる資産生成品質を向上させる。
最初の結果は、プロフェッショナル開発とUGCシナリオのためのアセット生成を合理化するためのAssetFormerの有効性を示している。
この研究は、様々なタイプのモジュラー3Dアセットに拡張可能なフレキシブルなフレームワークを示し、3Dコンテンツ生成の幅広い分野に寄与する。
コードはhttps://github.com/Advocate99/AssetFormer.comで入手できる。
関連論文リスト
- ShapeCraft: LLM Agents for Structured, Textured and Interactive 3D Modeling [45.20958044544727]
ShapeCraftはテキストから3D生成のための新しいマルチエージェントフレームワークである。
ShapeCraftは複雑な自然言語をサブタスクの構造化グラフに分解する。
エージェントはユーザの入力をGPSに解析し、手続き的モデリングと絵を反復的に洗練して3Dアセットを生成する。
論文 参考訳（メタデータ） (2025-10-20T14:51:14Z) - Hunyuan3D Studio: End-to-End AI Pipeline for Game-Ready 3D Asset Generation [85.68100076594197]
Hunyuan3D Studioは、ゲーム制作パイプラインに革命をもたらすように設計された、エンドツーエンドのAIによるコンテンツ作成プラットフォームである。
中心となるHunyuan3D Studioは、高度なニューラルモジュールのスイートを、密着的でユーザフレンドリなシステムに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:33:03Z) - LL3M: Large Language 3D Modelers [18.23329430829059]
LL3Mは,解釈可能なPythonコードをBlenderで記述することで3Dアセットを生成するシステムである。
形状生成をコード記述タスクとして再構成し,モジュール性,編集性,アーティストBlenderとの連携を実現する。
本実験では,3次元アセット生成のための生成的・解釈可能な媒体としてのコードの有用性を示す。
論文 参考訳（メタデータ） (2025-08-11T17:48:02Z) - Structured 3D Latents for Scalable and Versatile 3D Generation [28.672494137267837]
汎用的で高品質な3Dアセット作成のための新しい3D生成手法を提案する。
基本となるのは、異なる出力フォーマットへのデコードを可能にする、構造化されたLATent表現である。
これは、疎人口の少ない3Dグリッドと、強力な視覚基盤モデルから抽出された濃密な多視点視覚特徴を統合することで実現される。
論文 参考訳（メタデータ） (2024-12-02T13:58:38Z) - MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers [76.70891862458384]
メッシュ抽出を生成問題として扱うモデルであるMeshAnythingを導入する。
任意の3D表現の3DアセットをAMに変換することで、MeshAnythingは様々な3Dアセット生産方法に統合することができる。
本手法は, 顔の数百倍少ないAMを生成し, 記憶, レンダリング, シミュレーション効率を大幅に向上させる。
論文 参考訳（メタデータ） (2024-06-14T16:30:25Z) - 3D-GPT: Procedural 3D Modeling with Large Language Models [47.72968643115063]
命令駆動3Dモデリングのための大規模言語モデル(LLM)を利用するフレームワークである3D-GPTを紹介する。
3D-GPTは、3Dモデリングタスクをアクセス可能なセグメントに分割し、各タスクにアプエージェントを割り当てる。
我々の実証調査では、3D-GPTが解釈し、指示を実行し、信頼性の高い結果を提供するだけでなく、人間デザイナーと効果的に協力することを確認した。
論文 参考訳（メタデータ） (2023-10-19T17:41:48Z) - Pushing the Limits of 3D Shape Generation at Scale [65.24420181727615]
我々は、前例のない次元に拡大することで、3次元形状生成において画期的なブレークスルーを示す。
現在までに最大の3次元形状生成モデルとしてArgus-3Dが確立されている。
論文 参考訳（メタデータ） (2023-06-20T13:01:19Z)
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。