論文の概要: Material Magic Wand: Material-Aware Grouping of 3D Parts in Untextured Meshes
- arxiv url: http://arxiv.org/abs/2603.17370v1
- Date: Wed, 18 Mar 2026 05:25:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.520148
- Title: Material Magic Wand: Material-Aware Grouping of 3D Parts in Untextured Meshes
- Title（参考訳）: 素材のマジックワンド:非テクスチャメッシュで3Dパーツをグループ化
- Abstract要約: 非テクスチャメッシュにおける物質認識部分グループ化の問題を紹介する。
ピンコーンのスケールや建物の窓など、現実世界の多くの形状は、同じ素材を共有しながら幾何学的なバリエーションを示す繰り返し構造を含んでいる。
本研究では, アーティストが推定材料特性に基づいて, パートグループを選択できるツールであるMaterial Magic Wandを提案する。
- 参考スコア（独自算出の注目度）: 26.94958818598707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce the problem of material-aware part grouping in untextured meshes. Many real-world shapes, such as scales of pinecones or windows of buildings, contain repeated structures that share the same material but exhibit geometric variations. When assigning materials to such meshes, these repeated parts often require piece-by-piece manual identification and selection, which is tedious and time-consuming. To address this, we propose Material Magic Wand, a tool that allows artists to select part groups based on their estimated material properties -- when one part is selected, our algorithm automatically retrieves all other parts likely to share the same material. The key component of our approach is a part encoder that generates a material-aware embedding for each 3D part, accounting for both local geometry and global context. We train our model with a supervised contrastive loss that brings embeddings of material-consistent parts closer while separating those of different materials; therefore, part grouping can be achieved by retrieving embeddings that are close to the embedding of the selected part. To benchmark this task, we introduce a curated dataset of 100 shapes with 241 part-level queries. We verify the effectiveness of our method through extensive experiments and demonstrate its practical value in an interactive material assignment application.
- Abstract（参考訳）: 非テクスチャメッシュにおける物質認識部分グループ化の問題を紹介する。
ピンコーンのスケールや建物の窓など、現実世界の多くの形状は、同じ素材を共有しながら幾何学的なバリエーションを示す繰り返し構造を含んでいる。
このようなメッシュに材料を割り当てる場合、これらの繰り返しは手作業による識別と選択を必要とすることが多く、面倒で時間を要する。
これを解決するために、我々は、アーティストが推定材料特性に基づいて部品群を選択できるツールであるMaterial Magic Wandを提案する。
提案手法の鍵となる要素は,局所幾何学と大域的文脈の両方を考慮し,各3次元部分に対する材料認識埋め込みを生成する部分エンコーダである。
そこで, 本モデルでは, 異なる材料を分離しながら, 密接な部品を密着させ, 密着性のある部品を密着させ, 密着性のある部品を密着し, 密着性のある部品を密着させ, 密着性のある部品を密着性のある部品に密着し, 密着性のある部品を密着性を持たせるようにした。
このタスクをベンチマークするために、241のパートレベルのクエリを持つ100の形状のキュレートデータセットを導入する。
本手法の有効性を広範囲な実験により検証し,対話型材料割当てアプリケーションにおける実用的価値を実証する。
関連論文リスト
- SCULPT: Subtractive Composition for 3D Part Generation [48.947695076233835]
パートアウェアな3D生成は、完全なオブジェクトとして一貫性のあるデジタルアセットを作成することを目的としています。
本稿では,これらの課題に対処するフレームワークであるSCULPTを提案する。
論文 参考訳（メタデータ） (2026-08-13T17:55:04Z) - PartMat: Material-Aware 3D Part Decomposition with a Single Global Latent [7.354114153015086]
パートレベルの3D生成は構造化された編集可能な3Dアセットの製作に注目が集まっている。
既存のメソッドは通常、編集可能な材料境界ではなく、機能的意味論に従ってオブジェクトを分解する。
一つの大域ラテントを持つ多部形状を表現した,効率的な物質認識型3次元分解パイプラインであるPartMatを提案する。
論文 参考訳（メタデータ） (2026-08-03T07:32:10Z) - MaRI: Material Retrieval Integration across Domains [13.686066106732696]
既存の手法は、形状不変および光に照らされた材料表現をキャプチャするデータセットに依存している。
合成材料と実世界の材料間の特徴空間ギャップを橋渡しするフレームワークであるMaRIを紹介する。
論文 参考訳（メタデータ） (2025-03-11T07:23:11Z) - SAMa: Material-aware 3D Selection and Segmentation [29.319771041342623]
Select Any Materials (SAMa) は,様々な3次元表現のための素材選択手法である。
モデル間の整合性を利用して、3D一貫性のある中間物質相似表現を生成する。
提案手法は任意の3次元表現に作用し、選択精度と多視点整合性の観点から、いくつかの強いベースラインを上回ります。
論文 参考訳（メタデータ） (2024-11-28T18:59:02Z) - MaPa: Text-driven Photorealistic Material Painting for 3D Shapes [79.13775179541311]
本稿では,テキスト記述から3次元メッシュの材料を作成することを目的とする。
テクスチャマップを合成する既存の方法とは異なり、我々はセグメントワイドな手続き的な材料グラフを生成することを提案する。
我々のフレームワークは高品質なレンダリングをサポートし、編集にかなりの柔軟性を提供します。
論文 参考訳（メタデータ） (2024-04-26T17:54:38Z) - MaterialSeg3D: Segmenting Dense Materials from 2D Priors for 3D Assets [63.284244910964475]
本稿では,2次元のセマンティクスから基礎となる物質を推定する3次元アセット素材生成フレームワークを提案する。
このような先行モデルに基づいて,材料を三次元空間で解析する機構を考案する。
論文 参考訳（メタデータ） (2024-04-22T07:00:17Z) - Materialistic: Selecting Similar Materials in Images [30.85562156542794]
アーティスト・ちょうせんエリアと同じ素材を示す写真の領域を選択する方法を提案する。
提案手法は、シェーディング、スペックハイライト、キャストシャドーに対して堅牢であり、実際の画像の選択を可能にする。
本モデルでは,画像編集,動画内選択,類似した素材を用いたオブジェクト画像の検索など,一連の応用について実演する。
論文 参考訳（メタデータ） (2023-05-22T17:50:48Z) - Photo-to-Shape Material Transfer for Diverse Structures [15.816608726698986]
本稿では,3次元形状に光写実的可照性材料を自動的に割り当てる手法を提案する。
本手法は,画像翻訳ニューラルネットワークと物質割当ニューラルネットワークを組み合わせる。
本手法により, 材料を形状に割り当てることができ, 外観が入力例によく似ていることを示す。
論文 参考訳（メタデータ） (2022-05-09T03:37:01Z) - Non-Rigid Puzzles [50.213265511586535]
非剛性多部形状マッチングアルゴリズムを提案する。
非剛性変形中の参照形状とその複数の部品が与えられると仮定する。
合成法と実走査法の実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-11-26T00:32:30Z) - AutoSweep: Recovering 3D Editable Objectsfrom a Single Photograph [54.701098964773756]
セマンティックな部分で3Dオブジェクトを復元し、直接編集することを目的としている。
我々の研究は、一般化された立方体と一般化されたシリンダーという、2種類の原始的な形状の物体を回収する試みである。
提案アルゴリズムは,高品質な3Dモデルを復元し,既存手法のインスタンスセグメンテーションと3D再構成の両方で性能を向上する。
論文 参考訳（メタデータ） (2020-05-27T12:16:24Z) - Dynamic Feature Integration for Simultaneous Detection of Salient
Object, Edge and Skeleton [108.01007935498104]
本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。
まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
論文 参考訳（メタデータ） (2020-04-18T11:10:11Z)
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。