論文の概要: LATO: 3D Mesh Flow Matching with Structured TOpology Preserving LAtents

• arxiv url: http://arxiv.org/abs/2603.06357v1
• Date: Fri, 06 Mar 2026 15:09:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:46.007516
• Title: LATO: 3D Mesh Flow Matching with Structured TOpology Preserving LAtents
• Title（参考訳）: LATO:3次元メッシュフローマッチングと構造トポロジーのラテント保存
• Abstract要約: LATOは、スケーラブルでフローマッチングに基づく明示的な3Dメッシュの合成を可能にする、新しいトポロジ保存潜在表現である。 生成モデリングでは、LATOは2段階のフローマッチングプロセスを採用し、最初は構造ボクセルを合成し、その後、ボクセルのトポロジーの特徴を精製する。 従来の等曲面/三角形に基づく拡散モデルや自己回帰生成アプローチと比較して、LATOは推論において高い効率を保ちながら、複雑な幾何学、よく形成されたトポロジーを持つメッシュを生成する。
• 参考スコア（独自算出の注目度）: 43.84310366771089
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce LATO, a novel topology-preserving latent representation that enables scalable, flow matching-based synthesis of explicit 3D meshes. LATO represents a mesh as a Vertex Displacement Field (VDF) anchored on surface, incorporating a sparse voxel Variational Autoencoder (VAE) to compress this explicit signal into a structured, topology-aware voxel latent. To decapsulate the mesh, the VAE decoder progressively subdivides and prunes latent voxels to instantiate precise vertex locations. In the end, a dedicated connection head queries the voxel latent to predict edge connectivity between vertex pairs directly, allowing mesh topology to be recovered without isosurface extraction or heuristic meshing. For generative modeling, LATO adopts a two-stage flow matching process, first synthesizing the structure voxels and subsequently refining the voxel-wise topology features. Compared to prior isosurface/triangle-based diffusion models and autoregressive generation approaches, LATO generates meshes with complex geometry, well-formed topology while being highly efficient in inference.
• Abstract（参考訳）: 本稿では,スケーラブルでフローマッチングに基づく明示的な3Dメッシュの合成を可能にする,新しいトポロジ保存型潜在表現であるLATOを紹介する。 LATOは、表面に固定されたVDF(Vertex Displacement Field)としてメッシュを表現し、この明示的な信号を構造化されたトポロジー対応のボクセル潜水器に圧縮するために、スパースボクセル変分自動符号化器(VAE)を組み込んだ。 メッシュをカプセル化するために、VAEデコーダは徐々に下位のボクセルを分割し、正確な頂点位置をインスタンス化する。 最終的に、専用の接続ヘッドは、頂点対間のエッジ接続を直接予測するために、ボクセル遅延をクエリし、等表面抽出やヒューリスティックメッシュを使わずにメッシュトポロジを復元することができる。 生成モデリングでは、LATOは2段階のフローマッチングプロセスを採用し、最初は構造ボクセルを合成し、その後、ボクセルのトポロジーの特徴を精製する。 従来の等曲面/三角形に基づく拡散モデルや自己回帰生成アプローチと比較して、LATOは推論において高い効率を保ちながら、複雑な幾何学、よく形成されたトポロジーを持つメッシュを生成する。

関連論文リスト

• P2Voxel: Pyramid Pivot Voxelization for 3D Mesh Tokenization [60.385793205570046]
  我々は、コンパクトかつ再構成対応のメッシュトークン化のためのピラミッドピボットのボクセル化フレームワークであるtextbfP2Voxelを紹介した。 textitSpatial Complexity の仮定の下では、ピラミッドのPivot Voxelization は実表面の空間的非均一性を利用する。 textitBlock Reconstructability の仮定の下で、Praamid VAE は局所的に再構成可能なピボットブロック上でコンパクトな多重解像度潜在符号を学習する。
  論文  参考訳（メタデータ） (2026-08-01T13:04:29Z)
• LATO.2: Factorized 3D Mesh Generation with Vertex and Topology Flow [40.84100683808547]
  トポロジ対応メッシュ生成のための因子化フローマッチングフレームワークであるLATO.2を提案する。 LATO.2は、幾何学的忠実度と接続性において最先端のトポロジ対応メッシュジェネレータを超越していることを示す。
  論文  参考訳（メタデータ） (2026-07-12T07:38:06Z)
• TriFlow: Generating Artist-Like 3D Mesh Topology via Nearest-Vertex Vector Fields [72.76537377865192]
  TriFlowは、署名された距離場などの入力幾何学条件から直接アーティストのような三角形のトポロジーを持つコンパクトな3Dメッシュを作成するための新しい生成手法である。 実験により、TriFlowは最先端の学習ベースアプローチと比較して、より高度な一般化とトポロジ品質の向上を実現していることが示された。
  論文  参考訳（メタデータ） (2026-06-18T11:55:00Z)
• MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation [53.06620176910962]
  MeshWeaverは、メッシュ生成を表面織布プロセスとして扱う自動回帰フレームワークである。 MeshWeaverは18%の最先端圧縮比を実現し、最大16K面のメッシュを生成することができ、以前のアプローチよりも幾何的忠実性を大幅に向上する。
  論文  参考訳（メタデータ） (2026-06-03T10:15:43Z)
• Attention-Guided Flow-Matching for Sparse 3D Geological Generation [7.734651455015875]
  3D-GeoFlowは、スパースマルチモーダルな地質モデリングに適した最初のアテンションガイド型連続フローマッチングフレームワークである。 離散カテゴリー生成をシミュレーションのない連続ベクトル場回帰として再構成することにより、安定な決定論的最適輸送経路を確立する。 この枠組みを検証するため,2200件の手続き的に生成された3次元地質事例からなる大規模マルチモーダルデータセットをキュレートした。
  論文  参考訳（メタデータ） (2026-04-07T07:02:53Z)
• TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification [44.632513151214084]
  TopoMeshは、GTと予測メッシュを、共有デュアルマーチングキューブ(DMC)トポロジフレームワークで統合した、スパースボクセルベースのVAEである。 我々のデコーダは同じDMCフォーマットでメッシュを出力し、予測とターゲットのメッシュが同じトポロジ構造を共有することを保証します。 大規模な実験により、TopoMeshは再建忠実度において既存のVAEを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2026-03-25T13:10:34Z)
• BladeSDF : Unconditional and Conditional Generative Modeling of Representative Blade Geometries Using Signed Distance Functions [4.188806282965805]
  本稿では,DeepSDFを用いたタービン翼形状のドメイン固有の暗黙的生成フレームワークを提案する。 制約、目的、パフォーマンスのメトリクスを統合することで、このアプローチは従来の2Dガイド付きまたは制約なしの3Dパイプラインを超えて前進する。
  論文  参考訳（メタデータ） (2026-01-19T23:02:33Z)
• PartDiffuser: Part-wise 3D Mesh Generation via Discrete Diffusion [14.879669869466072]
  PartDiffuserは、ポイント・クラウド・ツー・メッシュ生成のための新しい半自己回帰拡散フレームワークである。 PartDiffuserはDiTアーキテクチャをベースにしており、部分認識のクロスアテンション機構を導入している。 実験により, この手法は3次元メッシュの生成において, 最先端(SOTA)モデルよりもはるかに優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-24T06:11:21Z)
• TetWeave: Isosurface Extraction using On-The-Fly Delaunay Tetrahedral Grids for Gradient-Based Mesh Optimization [59.318328774645835]
  我々は、勾配に基づくメッシュ最適化のための新しい等曲面表現であるTetWeaveを紹介する。 TetWeaveは、Delaunay三角測量を通じて、四面体グリッドをオンザフライで構築する。 我々は,コンピュータグラフィックスとビジョンの幅広い課題に対して,TetWeaveの適用性を示す。
  論文  参考訳（メタデータ） (2025-05-07T17:32:49Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D Shape Synthesis [90.26556260531707]
  DMTetは粗いボクセルのような単純なユーザーガイドを用いて高解像度の3次元形状を合成できる条件付き生成モデルである。 メッシュなどの明示的な表現を直接生成する深部3次元生成モデルとは異なり、我々のモデルは任意の位相で形状を合成することができる。
  論文  参考訳（メタデータ） (2021-11-08T05:29:35Z)

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。