論文の概要: Fishbone: From One 3D Asset to a Million Controllable Edits
- arxiv url: http://arxiv.org/abs/2605.24805v1
- Date: Sun, 24 May 2026 01:38:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.454461
- Title: Fishbone: From One 3D Asset to a Million Controllable Edits
- Title（参考訳）: フィッシュボーン:3Dアセット1枚から100万枚まで編集可能
- Authors: Yumeng He, Xiaoying Wang, Peihao Li, Yanjia Huang, Joe Masterjohn, Jiajun Wu, Leonidas Guibas, Yin Yang, Ying Jiang, Chenfanfu Jiang,
- Abstract要約: Fishboneは一般的な形状のための統一されたrib-spine表現であり、制御可能なパラメトリックメッシュ、縮小空間力学、アニメーションをサポートする。
リブは厚さ、方向、断面の変化などの局所的なプロファイルを制御し、スピンはグローバルな曲げ、ねじれ、伸びを制御する。
さらに,Hunyuan3Dをリブスピン構造で拡張することで魚骨136Kを構築し,ロボット学習,インタラクティブメッシュ編集,エージェント生成における制御可能な3D生成,変形に基づくデータ拡張への応用を実証する。
- 参考スコア（独自算出の注目度）: 26.573828978137104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large-scale controllable 3D assets are critical for computer graphics, embodied AI, robotics, and interactive content creation, yet creating diverse 3D assets remains challenging due to the high cost of manual modeling and rigging. Shape deformation offers a natural way to generate variations from existing meshes, but existing data-driven methods often rely on sparse user inputs, while parametric editing frameworks require manually designed control structures and category-specific configurations. Inspired by natural creatures, where a central spine governs global shape and cross-sectional ribs control local variation, we introduce Fishbone, a unified rib-spine representation for general shapes that supports controllable parametric mesh deformation, reduced-space dynamics, and animation. Given an input mesh, Fishbone computes a geodesic scalar field with an adaptive heat method, extracts iso-contours as cross-sectional ribs, constructs a smooth geometry-aware spine through rib centers, and associates surface vertices with nearby rib and spine structures using Gaussian-weighted skinning. The resulting representation enables real-time and predictable deformation: ribs control local profiles such as thickness, orientation, and cross-sectional variation, while the spine controls global bending, twisting, and stretching. The same structure also supports reduced-space simulation and keyframe animation. We further construct Fishbone-136K by augmenting Hunyuan3D with rib-spine structures, and demonstrate applications in controllable 3D generation, deformation-based data augmentation for robot learning, interactive mesh editing, and agentic generation. Experiments demonstrate the effectiveness, efficiency, and versatility of the proposed framework.
- Abstract（参考訳）: コンピュータグラフィックス、エンボディAI、ロボティクス、インタラクティブなコンテンツ作成には大規模な3Dアセットが不可欠だが、手動モデリングとリギングのコストが高いため、多様な3Dアセットを作成することは難しい。
形状変形は、既存のメッシュからバリエーションを生成する自然な方法であるが、既存のデータ駆動方式は、しばしばスパースなユーザ入力に依存し、パラメトリック編集フレームワークは手動で設計された制御構造とカテゴリ固有の構成を必要とする。
中央の脊椎が大域的な形状を制御し,断面のリブが局所的な変動を制御する自然生物に触発されて,制御可能なパラメトリックメッシュ変形,縮小空間力学,アニメーションをサポートする一般的な形状のための統一リブ・スピン表現であるフィッシュボーンを紹介した。
入力メッシュが与えられたとき、魚骨は適応的な熱法で測地線スカラー場を計算し、断面のリブとしてアイソ・コンターを抽出し、リブ中心を通して滑らかな幾何学的なスピンを構築し、ガウス重み付きスキンニングを用いて表面頂点と近くのリブとスピーン構造を関連付ける。
リブは厚さ、方向、断面の変化などの局所的なプロファイルを制御し、スピンはグローバルな曲げ、ねじれ、伸びを制御する。
同じ構造は、縮小スペースシミュレーションとキーフレームアニメーションもサポートする。
さらに,Hunyuan3Dをリブスピン構造で拡張することで魚骨136Kを構築し,ロボット学習,インタラクティブメッシュ編集,エージェント生成における制御可能な3D生成,変形に基づくデータ拡張への応用を実証する。
実験では,提案フレームワークの有効性,有効性,汎用性を示す。
関連論文リスト
- Zero Shot Deformation Reconstruction for Soft Robots Using a Flexible Sensor Array and Cage Based 3D Gaussian Modeling [13.363052557818968]
ゼロショットの変形再構成は、変形データを収集したり、配置中に再トレーニングを行うことなく、オブジェクト全体の変形を未確認のソフトロボットに推測する能力として定義される。
提案フレームワークは, フレキシブルピエゾ抵抗型センサアレイと幾何学的, ケージに基づく3次元ガウス変形モデルを統合する。
0.67 IoU、0.65 SSIM、および3.48mmのチャンファー距離を達成し、触覚センシングと構造変形の明示的な結合による強いゼロショットの一般化を示す。
論文 参考訳（メタデータ） (2026-03-20T00:56:39Z) - Adaptive Scaling with Geometric and Visual Continuity of completed 3D objects [0.0]
静的完備SDFを構造的に整合性のあるオブジェクトに変換する部分認識スケーリングフレームワークを導入する。
提案手法は,完成したSDFの固有剛性を克服し,グローバルな選択的スケーリングやナイーブなスケーリングよりも視覚的に魅力的である。
論文 参考訳（メタデータ） (2026-02-13T13:05:54Z) - Stroke3D: Lifting 2D strokes into rigged 3D model via latent diffusion models [53.32092058519587]
Stroke3Dは、ユーザ入力から2D描画ストロークと記述テキストプロンプトを直接生成する新しいフレームワークである。
私たちの知識を最大限に活用するために、私たちの研究は、ユーザ引き起こされた2Dストロークに条件付けされたトリグされた3Dメッシュを初めて生成しました。
論文 参考訳（メタデータ） (2026-02-10T12:17:00Z) - Enhancing non-Rigid 3D Model Deformations Using Mesh-based Gaussian Splatting [0.0]
メッシュ表現を3次元ガウススプラッティングでブリッジすることで,非剛体3次元モデルの変形を改善する新しいフレームワークを提案する。
この研究は、バーチャルリアリティー、キャラクターアニメーション、インタラクティブデザインにまたがるアプリケーションにおいて、より柔軟な3Dコンテンツ作成の道を開く。
論文 参考訳（メタデータ） (2025-07-09T16:26:04Z) - RigAnything: Template-Free Autoregressive Rigging for Diverse 3D Assets [44.655049022141384]
本稿では,新しい自己回帰変換モデルであるRigAnythingを紹介する。
関節と骨格のトポロジを確率的に生成し、スキンの重量をテンプレートのない方法で割り当てることで、3Dアセットをリグレディにする。
これは、ヒューマノイド、四足動物、海洋生物、昆虫など、さまざまな種類の物体にまたがる最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-02-13T18:59:13Z) - Learning Modulated Transformation in GANs [69.95217723100413]
生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。
MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。
挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
論文 参考訳（メタデータ） (2023-08-29T17:51:22Z) - MoDA: Modeling Deformable 3D Objects from Casual Videos [84.29654142118018]
神経二元四元系ブレンドスキンニング(NeuDBS)を提案し,スキンを折り畳むことなく3次元点変形を実現する。
異なるフレーム間で2Dピクセルを登録する試みにおいて、標準空間内の3D点を符号化する標準特徴埋め込みの対応性を確立する。
本手法は,ヒトと動物の3Dモデルを,最先端の手法よりも質的,定量的な性能で再構築することができる。
論文 参考訳（メタデータ） (2023-04-17T13:49:04Z) - Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。
本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。
本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
論文 参考訳（メタデータ） (2021-12-14T13:14:24Z) - Learning Skeletal Articulations with Neural Blend Shapes [57.879030623284216]
あらかじめ定義された骨格構造を有するエンベロープを用いて3次元文字を表現できるニューラルテクニックを開発している。
我々のフレームワークは、同じ調音構造を持つリグとスキンキャラクタを学習する。
関節領域の変形品質を向上させるニューラルブレンディング形状を提案します。
論文 参考訳（メタデータ） (2021-05-06T05:58:13Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。