論文の概要: Patchwork: A compact representation for 3D polygonal shapes

• arxiv url: http://arxiv.org/abs/2605.16266v1
• Date: Tue, 24 Mar 2026 15:20:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.838344
• Title: Patchwork: A compact representation for 3D polygonal shapes
• Title（参考訳）: パッチワーク:3次元多角形に対するコンパクト表現
• Authors: Ruichen Zheng, Biao Zhang, Michael Birsak, Mikhail Skopenkov, Peter Wonka,
• Abstract要約: Patchworkは2次元と3次元の幾何学を少数のパラメータでモデル化できる汎用形状表現である。 そこで本研究では,2次元および3次元データにPatchwork表現を適合させる最適化手法を提案する。 我々のアプローチは、高速な適合性能、既存の代替手段と比較して要求されるパラメータのごく一部、および内外分類のネイティブサポートを提供する。
• 参考スコア（独自算出の注目度）: 45.410599377013476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Patchwork, a new general-purpose shape representation capable of modeling 2D and 3D geometry with a small number of parameters. Patchwork is grounded in a rigorous mathematical framework, providing provable complexity bounds and the ability to approximate arbitrary shapes with arbitrary precision in any dimension. We propose an efficient gradient-based optimization scheme to fit Patchwork representations to 2D and 3D data, along with a novel regularization loss that progressively prunes redundant elements, yielding high compactness after convergence. Our approach offers fast fitting performance, a fraction of the required parameters compared to existing alternatives, and native support for inside-outside classification, making it a versatile and compact representation for geometric learning and reconstruction tasks, with future potential for 3D generation. Our implementation is available at: https://github.com/Ankbzpx/patchwork-experiment.
• Abstract（参考訳）: Patchworkは2次元と3次元の幾何学を少数のパラメータでモデル化できる汎用形状表現である。 パッチワークは厳密な数学的枠組みに基づいており、証明可能な複雑性境界と任意の形状を任意の次元で任意の精度で近似することができる。 本研究では、2次元および3次元データにパッチワーク表現を適合させる効率的な勾配に基づく最適化手法と、冗長な要素を段階的に引き起こし、収束後に高いコンパクト性をもたらす新たな正規化損失を提案する。 提案手法は, 高速適合性能, 既存の代替品と比較して必要なパラメータのごく一部, 内面分類をネイティブにサポートし, 幾何学的学習および再構成タスクの汎用的かつコンパクトな表現であり, 将来的な3次元生成の可能性を提供する。 私たちの実装は、https://github.com/Ankbzpx/patchwork-experiment.comで利用可能です。

関連論文リスト

• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Partial-to-Partial Shape Matching with Geometric Consistency [47.46502145377953]
  3次元形状の対応を見つけることは、コンピュータビジョン、グラフィックスなどにおいて、重要かつ長年にわたる問題である。 我々は、幾何学的整合性を強い制約として利用することにより、既存の(あるいは人工的な)3次元フル形状マッチングと部分的から部分的な実世界の設定のギャップを埋める。 三角積空間上に構築された新しい整数非線型プログラム形式により実現された部分対部分マッチングの幾何学的整合性を実現する。
  論文  参考訳（メタデータ） (2024-04-18T14:14:07Z)
• NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation [52.772319840580074]
  3D形状生成は、特定の条件や制約に固執する革新的な3Dコンテンツを作成することを目的としている。 既存の方法は、しばしば3Dの形状を局所化されたコンポーネントの列に分解し、各要素を分離して扱う。 本研究では2次元平面表現を利用した空間認識型3次元形状生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-27T04:09:34Z)
• A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
  本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。 従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:47:47Z)
• 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)
• Hard Example Generation by Texture Synthesis for Cross-domain Shape Similarity Learning [97.56893524594703]
  画像に基づく3次元形状検索(IBSR)は、与えられた2次元画像の対応する3次元形状を、大きな3次元形状データベースから見つけることを目的としている。 いくつかの適応技法によるメートル法学習は、類似性学習を形作るための自然な解決策のようです。 テクスチャ合成を応用した幾何中心の多視点メトリック学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-10-23T08:52:00Z)
• RISA-Net: Rotation-Invariant Structure-Aware Network for Fine-Grained 3D Shape Retrieval [46.02391761751015]
  きめ細かい3D形状の検索は、同じクラスに属するモデルを持つレポジトリのクエリ形状に似た3D形状の検索を目的としている。 回転不変な3次元形状記述子を学習する新しいディープアーキテクチャ RISA-Net を提案する。 本手法は,3次元形状の最終コンパクト潜時特徴を生成する際に,各部分の幾何学的・構造的情報の重要性を学習することができる。
  論文  参考訳（メタデータ） (2020-10-02T13:06:12Z)

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。