論文の概要: PolycubeNet: A Dual-latent Diffusion Model for Polycube-Based Hexahedral Mesh Generation

• arxiv url: http://arxiv.org/abs/2605.20274v1
• Date: Tue, 19 May 2026 03:27:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.259173
• Title: PolycubeNet: A Dual-latent Diffusion Model for Polycube-Based Hexahedral Mesh Generation
• Title（参考訳）: PolycubeNet:Polycubeベースのヘキサヘドラルメッシュ生成のためのデュアルレイテンシ拡散モデル
• Authors: Lu He, Qitao Deng, Junjiang Deng, Liangbin Deng, Yanjun Liang, Wenting Yang, Guoqiang Wang, Na Lei,
• Abstract要約: 条件付き拡散モデルに基づくポリキューブ生成のためのエンドツーエンドフレームワークを提案する。 提案手法は, 表面の明示的なセグメンテーションの必要性を排除し, 対応するポリキューブ点雲を直接生成する。 実験により、PolycubeNetは任意の属を持つ複雑なCADモデルに一般化できることが示されている。
• 参考スコア（独自算出の注目度）: 9.093242010287048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hexahedral meshes are widely used in simulation pipelines, yet automatic generation remains challenging for complex CAD geometries. Polycube-based hexahedral meshing is a representative approach due to its regular, parameterization-friendly structure, but existing polycube construction methods often rely on intricate surface segmentation and local heuristics, which can produce artifacts or fail on difficult shapes. In this paper, we propose an end-to-end framework for polycube generation based on conditional diffusion models. Given an input geometry represented as a point cloud, our method directly produces a corresponding polycube point cloud, eliminating the need for explicit surface segmentation or predefined polycube templates. At the core of our approach is a dual-latent conditional diffusion architecture that confines computationally expensive self-attention operations to a fixed-capacity, low-dimensional latent space. This design effectively decouples computational complexity from the resolution of both the input geometry and the output polycube, thereby avoiding the quadratic cost typical of point cloud self-attention mechanisms while supporting flexible input and output resolutions. To obtain a hexahedral mesh, the generated polycube is aligned to the input shape via rigid and non-rigid point cloud registration to establish surface correspondence, followed by a polycube-to-hex pipeline. We additionally create and release a paired dataset of CAD meshes and their corresponding polycube meshes, together with the core implementation of our model. Experiments show that PolycubeNet generalizes to complex CAD models with arbitrary genus and produces high-quality polycube structures within seconds, improving robustness and efficiency over prior learning-based approaches.
• Abstract（参考訳）: ヘキサヘドラルメッシュはシミュレーションパイプラインで広く使われているが、複雑なCAD測地では自動生成が困難である。 ポリキューブをベースとしたヘキサヘドラルメッシュは、規則的でパラメータ化しやすい構造のために代表的アプローチであるが、既存のポリキューブ構築法は複雑な表面のセグメンテーションと局所的なヒューリスティックに依存しており、アーティファクトを生成したり、難しい形状で失敗することがある。 本稿では,条件付き拡散モデルに基づくポリキューブ生成のためのエンドツーエンドフレームワークを提案する。 点雲として表される入力幾何が与えられた場合、本手法は対応するポリキューブ点雲を直接生成し、明示的な表面分割や予め定義されたポリキューブテンプレートを必要としない。 我々のアプローチの核となるのは、計算に高価な自己アテンション演算を固定容量で低次元のラテント空間に閉じ込める二重ラテント条件拡散アーキテクチャである。 この設計は、入力幾何と出力ポリキューブの両方の解像度から計算複雑性を効果的に分離し、フレキシブルな入力と出力の解像度をサポートしながら、ポイントクラウド自己アテンション機構の典型的な二次コストを回避する。 ヘキサヘドラルメッシュを得るために、生成したポリキューブを剛性及び非剛性点雲登録を介して入力形状に整列させ、表面対応を確立し、次いでポリキューブ−ヘキサキパイプラインを得る。 さらに、CADメッシュとその対応するポリキューブメッシュのペアデータセットと、モデルのコア実装も作成、リリースしています。 実験により、PolycubeNetは任意の属を持つ複雑なCADモデルに一般化され、数秒で高品質なポリキューブ構造が生成され、事前学習に基づくアプローチよりも堅牢性と効率が向上することが示された。

関連論文リスト

• Global Collinearity-aware Polygonizer for Polygonal Building Mapping in Remote Sensing [18.151134198549574]
  本稿では,リモートセンシング画像から多角形建物をマッピングするという課題に対処する。 これは新しいアルゴリズム、Global Collinearity-aware Polygonizer (GCP)を導入した。
  論文  参考訳（メタデータ） (2025-05-02T16:49:07Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• DL-Polycube: Deep learning enhanced polycube method for high-quality hexahedral mesh generation and volumetric spline construction [0.8999666725996975]
  本稿では,ディープラーニングをポリキューブ法(DL-Polycube)と統合し,高品質なヘキサヘドラル(ヘキサヘドラル)メッシュを生成するアルゴリズムを提案する。 深層ニューラルネットワークを用いて表面三角形メッシュを対応するポリキューブ構造に分類する。 ポリキューブ構造の深層学習と表面三角形メッシュのセグメンテーションのための教師なし学習を組み合わせることで、ヘックスメッシュの生成を大幅に加速する。
  論文  参考訳（メタデータ） (2024-10-24T15:35:08Z)
• 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)
• 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)
• PRS: Sharp Feature Priors for Resolution-Free Surface Remeshing [30.28380889862059]
  本稿では,自動特徴検出とリメッシングのためのデータ駆動方式を提案する。 提案アルゴリズムは,Fスコアの26%,知覚値の42%がtextRMSE_textv$である。
  論文  参考訳（メタデータ） (2023-11-30T12:15:45Z)
• Surf-D: Generating High-Quality Surfaces of Arbitrary Topologies Using Diffusion Models [83.35835521670955]
  Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。 非符号距離場(UDF)を曲面表現として用いて任意の位相を許容する。 また、ポイントベースのAutoEncoderを用いて、UDFを正確に符号化するためのコンパクトで連続的な潜在空間を学習する新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-11-28T18:56:01Z)
• 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)

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。