論文の概要: MeshTailor: Cutting Seams via Generative Mesh Traversal
- arxiv url: http://arxiv.org/abs/2603.27309v1
- Date: Sat, 28 Mar 2026 15:30:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.89434
- Title: MeshTailor: Cutting Seams via Generative Mesh Traversal
- Title（参考訳）: MeshTailor: 生成メッシュトラバーサルによるシームのカット
- Authors: Xueqi Ma, Xingguang Yan, Congyue Zhang, Hui Huang,
- Abstract要約: 3次元表面上のエッジアライメントシームを合成する最初のメッシュネイティブな生成フレームワークであるMeshTailorを紹介する。
従来の最適化ベースや外部学習ベースの方法とは異なり、MeshTailorはメッシュグラフ上で直接動作し、プロジェクションアーティファクトや脆弱なスナッピングを排除している。
- 参考スコア（独自算出の注目度）: 11.174459652257218
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present MeshTailor, the first mesh-native generative framework for synthesizing edge-aligned seams on 3D surfaces. Unlike prior optimization-based or extrinsic learning-based methods, MeshTailor operates directly on the mesh graph, eliminating projection artifacts and fragile snapping heuristics. We introduce ChainingSeams, a hierarchical serialization of the seam graph that prioritizes global structural cuts before local details in a coarse-to-fine manner, and a dual-stream encoder that fuses topological and geometric context. Leveraging this hierarchical representation and enriched vertex embeddings, our MeshTailor Transformer utilizes an autoregressive pointer layer to trace seams vertex-by-vertex within local neighborhoods, ensuring projection-free, edge-aligned seams. Extensive evaluations show that MeshTailor produces more coherent, professional-quality seam layouts compared to recent optimization-based and learning-based baselines.
- Abstract（参考訳）: 3次元表面上のエッジアライメントシームを合成する最初のメッシュネイティブな生成フレームワークであるMeshTailorを紹介する。
従来の最適化ベースや外部学習ベースの方法とは異なり、MeshTailorはメッシュグラフ上で直接動作し、プロジェクションアーティファクトや脆弱なスナッピングヒューリスティックを排除している。
そこで我々はChainingSeamsを導入し,局所的な詳細よりもグローバルな構造的カットを優先するシームグラフの階層的シリアライゼーションと,位相的および幾何学的文脈を融合した2ストリームエンコーダを紹介する。
この階層的な表現と豊富な頂点埋め込みを活用して、MeshTailor Transformerは自動回帰ポインタ層を使用して、局所的な地区内の頂点をトレースし、プロジェクションフリーでエッジアラインなシームを確保します。
大規模な評価によると、MeshTailorは最近の最適化ベースのベースラインや学習ベースのベースラインに比べて、一貫性があり、プロのクオリティの高いシームレイアウトを生成する。
関連論文リスト
- LATO: 3D Mesh Flow Matching with Structured TOpology Preserving LAtents [43.84310366771089]
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。
論文 参考訳（メタデータ） (2026-03-06T15:09:25Z) - OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。
OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-09-29T05:43:40Z) - 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) - MeshPad: Interactive Sketch-Conditioned Artist-Reminiscent Mesh Generation and Editing [64.84885028248395]
MeshPadは、スケッチ入力から3Dメッシュを生成するジェネレーティブなアプローチである。
我々は、メッシュの領域の"削除"に編集を分解し、新しいメッシュ幾何学の"追加"に続き、一貫した編集を可能にすることに重点を置いている。
提案手法は,メッシュ三角形の追加と削除のために,大規模なTransformerモデルを利用した三角形列に基づくメッシュ表現に基づいている。
論文 参考訳（メタデータ） (2025-03-03T11:27:44Z) - SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。
私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。
アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
論文 参考訳（メタデータ） (2024-09-30T17:59:03Z) - MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers [32.169007676811404]
MeshGPTは、アーティストが作ったメッシュに典型的なコンパクトさを反映した、三角形メッシュを生成するための新しいアプローチである。
近年の強力な大規模言語モデルの発展に触発されて,三角メッシュを三角形として自動回帰的に生成するシーケンスベースアプローチを採用した。
論文 参考訳（メタデータ） (2023-11-27T01:20:11Z) - Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。
我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文 参考訳（メタデータ） (2023-08-10T06:40:19Z) - Mesh Draping: Parametrization-Free Neural Mesh Transfer [92.55503085245304]
Mesh Drapingは、既存のメッシュ構造をある形状から別の形状に転送するニューラルネットワークである。
我々は、徐々に増加する周波数を活用して、ニューラルネットワークの最適化を導くことにより、安定かつ高品質なメッシュ転送を実現することができることを示す。
論文 参考訳（メタデータ） (2021-10-11T17:24:52Z)
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。