論文の概要: MeshFIM: Local Low-Poly Mesh Editing via Fill-in-the-Middle Autoregressive Generation

• arxiv url: http://arxiv.org/abs/2605.08744v1
• Date: Sat, 09 May 2026 07:11:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.854192
• Title: MeshFIM: Local Low-Poly Mesh Editing via Fill-in-the-Middle Autoregressive Generation
• Title（参考訳）: MeshFIM: マイクロ・イン・ザ・ミドル・オートレグレッシブ・ジェネレーションによるローカル低ポリメッシュ編集
• Abstract要約: MeshFIMはFill-in-the-Middleフレームワークで、周囲のコンテキストで条件付けられた低ポリメッシュのターゲット領域を再生する。 露出境界に沿って正確なアタッチメントを強制すること、コンテキスト内のトポロジ的順序を保存すること、意図された領域を越えてオーバーフローを抑制すること、という3つのメッシュ固有の課題に対処する。 MeshFIMに基づいて、インタラクティブなブラシベースの編集と、ローポリメッシュの自動欠陥修正の2つの応用を実証する。
• 参考スコア（独自算出の注目度）: 40.250076182362356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autoregressive (AR) models can generate high-quality low-poly meshes from point clouds, but they still operate in an all-or-nothing manner: when a local region is unsatisfactory, the entire mesh must be regenerated, wasting computation and destroying satisfactory mesh structure elsewhere. We introduce MeshFIM, a Fill-in-the-Middle (FIM) framework that regenerates a target region of a low-poly mesh conditioned on the surrounding context. MeshFIM addresses three mesh-specific challenges: enforcing exact attachment along the exposed boundary, preserving topological order in the context, and suppressing overflow beyond the intended region. It does so with five complementary design choices: boundary vertex markers, context positional embeddings, expanded context width, context augmentation, and a low-poly geometry encoder whose gated subtraction mechanism focuses generation on the missing region by leveraging the difference between the reference surface and the existing mesh. Detailed ablation studies are presented to show the effectiveness of every introduced component. Based on MeshFIM, we demonstrate two applications: interactive brush-based editing and automatic defect repair on low-poly mesh (see Figure 1). Last but not least, experiments show that MeshFIM outperforms a range of baselines in mesh refinement, mesh repair and whole mesh generation plus stitch-back scheme.
• Abstract（参考訳）: 自動回帰(AR)モデルは、ポイントクラウドから高品質な低ポリメッシュを生成することができるが、ローカルリージョンが満足できない場合、メッシュ全体を再生し、計算を無駄にし、他の場所で満足のいくメッシュ構造を破壊する、という、完全にあるいは無意味な方法で運用されている。 我々は、周囲の状況で条件付けられた低ポリメッシュのターゲット領域を再生するFill-in-the-Middle(FIM)フレームワークであるMeshFIMを紹介する。 MeshFIMは、露出境界に沿って正確なアタッチメントを強制すること、コンテキスト内のトポロジ的順序を保存すること、意図した領域を越えたオーバーフローを抑制すること、という3つのメッシュ固有の課題に対処する。 境界頂点マーカー、コンテキスト位置埋め込み、拡張コンテキスト幅、コンテキスト拡張、およびゲートサブトラクション機構が参照面と既存のメッシュの差を利用して欠落領域の生成に焦点を当てた低ポリ幾何エンコーダである。 詳細なアブレーション研究は、導入された全てのコンポーネントの有効性を示すために提示される。 MeshFIMに基づいて、インタラクティブなブラシベースの編集と、低ポリメッシュの自動欠陥修正の2つのアプリケーションを実演する(図1参照)。 最後に重要なこととして、MeshFIMはメッシュリファインメント、メッシュ修復、メッシュ全体の生成とステッチバックスキームにおいて、幅広いベースラインを上回ります。

関連論文リスト

• Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation [0.30786914102688595]
  Dmshは、幾何学的分解と四角形メッシュ生成を統一する最初の完全自動強化学習パイプラインである。 Dmshは、トポロジの単純化、幾何正規化、メッシュ生成を扱う3つの協調エージェントによって問題を分解する。 学習戦略により、単純なドメインから非常に複雑なジオメトリへのスケーラビリティが保証され、種子の分散が抑制される。
  論文  参考訳（メタデータ） (2026-06-09T09:04:32Z)
• 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)
• 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)
• 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)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• SieveNet: Selecting Point-Based Features for Mesh Networks [41.74190660234404]
  メッシュは3Dコンピュータビジョンとグラフィックスで広く使用されているが、その不規則なトポロジは、既存のニューラルネットワークアーキテクチャに適用する際の課題を提起している。 メッシュニューラルネットワークの最近の進歩は、生メッシュを入力としてのみ取り込むパイオニアメソッドの境界を押し付けている。 本稿では、正規位相と正確な幾何学の両方を考慮した新しいパラダイムであるSieveNetを提案する。
  論文  参考訳（メタデータ） (2023-08-24T03:40:16Z)
• A Task-driven Network for Mesh Classification and Semantic Part Segmentation [40.50469224904946]
  マルチ層パーセプトロン(MLP)のみに基づく単純なアーキテクチャは、メッシュ分類とセマンティックセグメンテーションを扱うのに十分な能力を有することを示す。 新しいネットワークアーキテクチャであるMesh-MLPは、熱カーネルシグネチャ(HKS)と二面角を備えたメッシュを入力とし、ResNetの畳み込みモジュールをマルチ層パーセプトロン(MLP)に置き換える。 オールMLPアーキテクチャはエンドツーエンドで動作し、プールモジュールは含まない。
  論文  参考訳（メタデータ） (2023-06-08T14:44:57Z)
• 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)
• GAMesh: Guided and Augmented Meshing for Deep Point Networks [4.599235672072547]
  本稿では、GAMeshと呼ばれる新しいメッシュアルゴリズムを提案する。これは、メッシュを使用して、ポイントネットワークの出力ポイントの表面を生成する。 この先に出力ポイントを投影することにより、GAMeshはメッシュと同じトポロジを持つ曲面を保証するが、その幾何学的忠実度は点ネットワークによって制御される。
  論文  参考訳（メタデータ） (2020-10-19T18:23:53Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)

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。