論文の概要: BrickAnything: Geometry-Conditioned Buildable Brick Generation with Structure-Aware Tokenization

• arxiv url: http://arxiv.org/abs/2605.26182v1
• Date: Mon, 25 May 2026 07:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.275726
• Title: BrickAnything: Geometry-Conditioned Buildable Brick Generation with Structure-Aware Tokenization
• Title（参考訳）: BrickAnything: 構造対応トークン化による幾何学設計によるビルブルれんが生成
• Authors: Zhengyang Ni, Feng Yan, Yu Guo, Fei Wang,
• Abstract要約: BrickAnythingは、様々な3D表現から構築可能なレンガ構造を生成するための幾何学条件付き自己回帰フレームワークである。 ブロック間の構造的依存関係をモデル化するために,局所的なアタッチメント関係を通じて,ブロック構造を表す構造対応ツリートークン化を導入する。 大規模な実験により、BrickAnythingは幾何学的に忠実で物理的に実現可能なレンガ構造を生み出している。
• 参考スコア（独自算出の注目度）: 9.148773572697763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating physically buildable brick structures from 3D shapes requires more than geometric reconstruction: the output must also satisfy discrete part constraints and structural stability. Existing brick generation methods either rely on heuristic optimization, which can break down when the target 3D shape does not admit a feasible structure under predefined constraints, or generate brick sequences without explicitly modeling the underlying 3D geometry and assembly relations. In this work, we present BrickAnything, a geometry-conditioned autoregressive framework for generating buildable brick structures from diverse 3D representations. BrickAnything uses point clouds as a unified geometric interface and predicts brick sequences that reconstruct the target shape under assembly constraints. To model structural dependencies among bricks, we introduce a structure-aware tree tokenization, which represents brick structures through local attachment relations. This formulation makes sequence generation more consistent with the physical construction process, and reduces invalid intermediate states. We further introduce preference-based alignment post-training, validity-constrained decoding and adaptive rollback to improve buildability objectives such as stability and geometric fidelity. Extensive experiments demonstrate that BrickAnything produces geometrically faithful and physically realizable brick structures, and that the proposed tokenization effectively reduces rollback and regeneration compared with conventional ordering strategies.
• Abstract（参考訳）: 3次元形状から物理的に構築可能なレンガ構造を生成するには、幾何的再構成以上のことが必要であり、出力は離散的な部分制約と構造安定性も満たさなければならない。 既存のブロック生成法はヒューリスティックな最適化に依存しており、対象の3次元形状が予め定義された制約の下で実現可能な構造を含まない場合や、基礎となる3次元幾何学と集合関係を明示的にモデル化せずにブロック列を生成する場合を分解することができる。 本稿では,多種多様な3次元表現から構築可能なレンガ構造を生成するための幾何学条件付き自己回帰フレームワークであるBrickAnythingを紹介する。 BrickAnythingは、点雲を統一的な幾何学的インタフェースとして使用し、アセンブリ制約の下でターゲット形状を再構築するレンガ列を予測する。 ブロック間の構造的依存関係をモデル化するために,局所的なアタッチメント関係を通じて,ブロック構造を表す構造対応ツリートークン化を導入する。 この定式化により、シーケンス生成は物理構成過程とより整合し、無効な中間状態を減らす。 さらに、安定性や幾何学的忠実度などの構築性向上のために、事前学習後のアライメント、妥当性制約付き復号化、適応的なロールバックも導入する。 大規模な実験により、BrickAnythingは幾何学的に忠実で物理的に実現可能なレンガ構造を創出し、提案したトークン化は従来の順序付け戦略に比べてロールバックと再生を効果的に抑制することを示した。

関連論文リスト

• Rollback-Free Stable Brick Structures Generation [51.856925926010184]
  既存のアプローチでは、リジェクションサンプリングとブロック・バイ・ブロックのロールバックを行うために、推論中に外部物理シミュレータに依存している。 本稿では,身体的妥当性をテスト時間補正からトレーニング時間ポリシー最適化にシフトさせる強化学習パラダイムを提案する。 実験結果から,提案手法は予測速度を桁違いに向上させつつ,最先端の生成品質を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-07T21:06:44Z)
• GSDiff: Synthesizing Vector Floorplans via Geometry-enhanced Structural Graph Generation [3.78198085695976]
  建築のフロアプラン設計は住宅やインテリアの設計に不可欠であり、建築家による手作業によるスケッチのより高速で費用対効果の高い代替手段を提供する。 ルールベースおよび学習ベースのアプローチを含む既存の手法は、広範な後処理を伴う設計と制約付き生成の課題に直面している。 本稿では,GSDiffと呼ばれる構造グラフ生成によるベクトル設計のための新しい生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-29T04:40:31Z)
• StructRe: Rewriting for Structured Shape Modeling [60.20359722058389]
  本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。 ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
  論文  参考訳（メタデータ） (2023-11-29T10:35:00Z)
• Budget-Aware Sequential Brick Assembly with Efficient Constraint Satisfaction [63.672314717599285]
  レゴブロックを用いた逐次レンガ組立体の課題に対処し、3D構造を創出する。 特に、使用されるレンガの数が増えるにつれて、組み立て可能な構造物の数は指数関数的に増加する。 本稿では,U字型スパース3次元畳み込みニューラルネットワークを用いて,次のブロック位置のスコアを予測する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-10-03T15:35:08Z)
• DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape Generation [98.96086261213578]
  DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。 これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。 本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
  論文  参考訳（メタデータ） (2020-08-12T17:06:51Z)

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。