論文の概要: UVTran: Accurate Hole-Filling Parameterization with Transformers

• arxiv url: http://arxiv.org/abs/2605.16306v1
• Date: Mon, 27 Apr 2026 14:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.876444
• Title: UVTran: Accurate Hole-Filling Parameterization with Transformers
• Title（参考訳）: UVTran: 変圧器を用いた高精度ホールフィリングパラメータ化
• Authors: JunFeng Zhang,
• Abstract要約: 工業設計において、N面の穴充填は、典型的には単一のトリミングされたBスプライン面の構築として定式化される。 ホール境界の幾何学的特徴を捉えるために補助射影面をよりよく予測する変圧器ベースのフレームワークであるUVTranを提案する。
• 参考スコア（独自算出の注目度）: 5.131212158757835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In industrial design, N-sided hole filling is typically formulated as the construction of a single trimmed B-spline surface by minimizing a fairness energy subject to geometric boundary constraints. This formulation requires an accurate parameter-space representation of the trimming curve on the filling surface. Most existing methods project the hole boundary onto a nearby plane or polygon to establish correspondence; however, they often neglect boundary heterogeneity, which can yield biased mappings, degrade fairness, and even cause filling failures. We propose UVTran, a transformer-based framework that predicts an auxiliary projection surface better to capture the geometric characteristics of the hole boundary. Exploiting B-spline locality, we design a cross-attention mechanism that biases each surface control point toward the nearby hole boundary, preserving local geometric detail. We voxelize control-point coordinates and formulate the fitting problem as a classification task, which reduces the model's sensitivity to small numerical perturbations and noise. We adopt a progressive-resolution training strategy that injects controlled discretization errors at coarse resolutions to mimic distribution shifts, thereby mitigating overfitting and improving generalization at high resolution. On our benchmark, UVTran outperforms both industrial and academic baselines: the tolerance-satisfaction rate improves by $12\%$, and it consistently produces fair filled surfaces even under complex hole boundary conditions. These results suggest that UVTran yields more faithful correspondences and fairer trimmed surfaces across a wide range of N-sided holes.
• Abstract（参考訳）: 工業設計において、N面の穴充填は、幾何学的境界制約を受ける公正エネルギーを最小化することにより、単一のトリミングされたB-スプライン面の構築として定式化される。 この定式化は、充填面上のトリミング曲線の正確なパラメータ空間表現を必要とする。 既存のほとんどの手法は、近傍の平面や多角形に穴の境界を投影して対応を確立するが、境界の不均一性は無視されることが多く、これは偏りのある写像を生じさせ、公平性を低下させ、補充の失敗を引き起こす。 ホール境界の幾何学的特徴を捉えるために補助射影面をよりよく予測する変圧器ベースのフレームワークであるUVTranを提案する。 そこで我々は,B-スプラインの局所性をエクスプロイトし,各面制御点を近傍のホール境界に偏り,局所的な幾何学的詳細を保存するクロスアテンション機構を設計した。 制御点座標をボキシル化し,そのフィッティング問題を分類タスクとして定式化することにより,小さな数値摂動や雑音に対するモデルの感度を低下させる。 我々は、粗い解像度で制御された離散化誤差を注入して分布シフトを模倣するプログレッシブ・レゾリューション・トレーニング戦略を採用し、高分解能での過度適合を緩和し、一般化を改善する。 我々のベンチマークでは、UVTranは工業的および学術的なベースラインよりも優れており、耐容性-満足度は112\%$で改善され、複雑な穴の境界条件下においても常に公正な充填面を生成できる。 これらの結果は、UVTranはより忠実な対応と、より広いN面の穴をまたいだより公平な表面をもたらすことを示唆している。

関連論文リスト

• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Simultaneous CNN Approximation on Manifolds with Applications to Boundary Value Problems [2.815765641180636]
  本稿では,並列近似と楕円境界値問題に対する畳み込みニューラルネットワーク(CNN)手法を提案する。 シングルチャネルCNNとマルチチャネルCNNの同時ソボレフ近似結果を確立する。 境界値問題に特化して設計された物理インフォームドCNNフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-05T15:35:24Z)
• From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians [36.88207476975372]
  3Dガウススプラッティングは高速なビュー合成に革命をもたらしたが、その不透明度に基づく定式化は表面抽出を困難にしている。 複雑なシーンの高度に正確な水密メッシュを抽出する方法を示す。 本手法はDTUとタンク・アンド・テンプルに新しい最先端のメッシュを配置し, 同時作業回収型薄型構造物のごく一部で水密メッシュを作製する。
  論文  参考訳（メタデータ） (2026-04-08T17:52:39Z)
• Diffusion-Driven Inter-Outer Surface Separation for Point Clouds with Open Boundaries [0.0]
  そこで本研究では,二層化点雲から層間および層間を分離する拡散型アルゴリズムを提案する。 このソリューションは、屋内シーンモデリングや医用画像などの正確な表面表現を必要とするアプリケーションに特に有効である。
  論文  参考訳（メタデータ） (2026-01-31T14:11:28Z)
• GLOBE: Accurate and Generalizable PDE Surrogates using Domain-Inspired Architectures and Equivariances [0.0]
  GLOBEは、学習可能なグリーン関数のようなカーネルの重ね合わせとして、境界面からターゲットへ評価されるソリューションである。 AirFRANSでは、GLOBEは相当な精度向上を実現している。 結果は、厳密な物理学とドメインにインスパイアされた帰納的バイアスが、精度、一般化可能性、実用性に大きな利益をもたらすことを示した。
  論文  参考訳（メタデータ） (2025-11-19T20:23:51Z)
• Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。 特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)

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。