論文の概要: HiDiGen: Hierarchical Diffusion for B-Rep Generation with Explicit Topological Constraints

• arxiv url: http://arxiv.org/abs/2604.02847v1
• Date: Fri, 03 Apr 2026 08:06:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.391343
• Title: HiDiGen: Hierarchical Diffusion for B-Rep Generation with Explicit Topological Constraints
• Title（参考訳）: HiDiGen: 明示的なトポロジカル制約によるB-Rep生成のための階層的拡散
• Authors: Shurui Liu, Weide Chen, Ancong Wu,
• Abstract要約: 境界表現(B-rep)はCADシステムにおける標準3Dモデリングフォーマットである。 HiDiGenは、幾何モデリングを2つのステージに分離する階層的な生成フレームワークである。 実験の結果,HiDiGenは高い性能を示し,新しい,多様な,トポロジカルなCADモデルを生成する。
• 参考スコア（独自算出の注目度）: 11.721957326448162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Boundary representation (B-rep) is the standard 3D modeling format in CAD systems, encoding both geometric primitives and topological connectivity. Despite its prevalence, deep generative modeling of valid B-rep structures remains challenging due to the intricate interplay between discrete topology and continuous geometry. In this paper, we propose HiDiGen, a hierarchical generation framework that decouples geometry modeling into two stages, each guided by explicitly modeled topological constraints. Specifically, our approach first establishes face-edge incidence relations to define a coherent topological scaffold, upon which face proxies and initial edge curves are generated. Subsequently, multiple Transformer-based diffusion modules are employed to refine the geometry by generating precise face surfaces and vertex positions, with edge-vertex adjacencies dynamically established and enforced to preserve structural consistency. This progressive geometry hierarchy enables the generation of more novel and diverse shapes, while two-stage topological modeling ensures high validity. Experimental results show that HiDiGen achieves strong performance, generating novel, diverse, and topologically sound CAD models.
• Abstract（参考訳）: 境界表現(B-rep)はCADシステムにおける標準的な3Dモデリングフォーマットであり、幾何学的プリミティブとトポロジカル接続の両方を符号化する。 その頻度にもかかわらず、離散トポロジーと連続幾何学の間の複雑な相互作用のため、有効なB-rep構造の深い生成モデリングは依然として困難である。 本稿では,幾何モデリングを2段階に分割する階層型生成フレームワークであるHiDiGenを提案する。 具体的には、まず、面プロキシと初期エッジ曲線を生成するコヒーレントなトポロジカルな足場を定義するために、面-エッジの入射関係を確立する。 その後、複数のTransformerベースの拡散モジュールを用いて、精密な面面と頂点位置を生成し、構造的整合性を維持するためにエッジ頂点の隣接が動的に確立され、強制される。 このプログレッシブな幾何学的階層は、より斬新で多様な形状の生成を可能にし、2段階のトポロジ的モデリングは高い妥当性を保証する。 実験の結果,HiDiGenは高い性能を示し,新しい,多様な,トポロジカルなCADモデルを生成する。

関連論文リスト

• TopoOR: A Unified Topological Scene Representation for the Operating Room [54.50897207203292]
  手術シーングラフは外科手術室(OR)の複雑さを実体の構造とその関連性に抽象化する。 マルチモーダルな手術室を高次構造としてモデル化する新しいパラダイムであるTopoORを紹介する。 また,多様体の構造やモジュラリティに特有な特徴を明示的に保存する高次アテンション機構を提案する。
  論文  参考訳（メタデータ） (2026-03-10T10:19:42Z)
• Flatten The Complex: Joint B-Rep Generation via Compositional $k$-Cell Particles [22.846357150067927]
  B-Reps(Bundary Representation)は、CAD(Computer Design)およびAided Modelingにおいて広く採用されている標準である。 従来の方法は、この階層を扱うために配列に依存しており、細胞間の幾何学的関係を完全に活用できない。
  論文  参考訳（メタデータ） (2026-01-25T08:00:28Z)
• GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation [68.02988074681427]
  画像から3Dのシーン生成にビデオモデルを利用する以前の研究は、幾何学的歪みやぼやけた内容に悩まされる傾向にある。 本稿では,幾何学モデルの可能性を解き放つことにより,画像から3次元のシーン生成のパイプラインを再構築する。 我々のGeoWorldは、1つの画像と所定のカメラ軌道から高忠実度3Dシーンを生成することができ、定性的かつ定量的に先行手法より優れている。
  論文  参考訳（メタデータ） (2025-11-28T13:55:45Z)
• CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation [11.447223770747051]
  CLR ContinuousWireは曲線をパラメトリック曲線としてエンコードし、パラメトリック曲線を連続的で固定された潜在空間に変換する。 この統一されたアプローチは幾何学と位相の両方を生成する。
  論文  参考訳（メタデータ） (2025-04-27T09:32:42Z)
• HoLa: B-Rep Generation using a Holistic Latent Representation [51.07878285790399]
  我々は、$textitboundary representations$ (B-Reps)という形式でコンピュータ支援設計(CAD)モデルを学習し、生成するための新しい表現を導入する。 我々の表現は、B-Repプリミティブの連続幾何学的性質を異なる順序で統一する。 提案手法は生成したB-Repプリミティブ間のあいまいさ,冗長性,不整合性を著しく低減する。
  論文  参考訳（メタデータ） (2025-04-19T10:34:24Z)
• DTGBrepGen: A Novel B-rep Generative Model through Decoupling Topology and Geometry [3.859930277034918]
  幾何学モデルの境界表現(B-rep)はCADの基本形式である B-rep生成のための新しいトポロジ・ジオメトリ・デカップリングフレームワークDTGBrepGenを提案する。
  論文  参考訳（メタデータ） (2025-03-17T12:34:14Z)
• Generalizing Knowledge Graph Embedding with Universal Orthogonal Parameterization [22.86465452511445]
  GoldEは知識グラフの埋め込みのための強力なフレームワークです。 世帯反射の一般化形式に基づく普遍的直交パラメータ化を特徴とする。 3つの標準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） (2024-05-14T12:26:19Z)
• 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)

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。