論文の概要: S2MDF: A Plug-And-Play Layer for Intersection-Free Multi-Object Signed Distance Fields

• arxiv url: http://arxiv.org/abs/2605.29761v1
• Date: Thu, 28 May 2026 11:10:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 05:02:24.578116
• Title: S2MDF: A Plug-And-Play Layer for Intersection-Free Multi-Object Signed Distance Fields
• Title（参考訳）: S2MDF: インターセクションフリーマルチオブジェクト符号付き距離場のためのプラグアンドプレイ層
• Abstract要約: 本稿では,S2MDFについて述べる。S2MDFは軽量なプラグアンドプレイモジュールである。 複数の最先端合成法の実験により、S2MDFは、再構成品質を維持しながら交差点を数値精度に還元し、既存の緩和戦略より優れていることが示された。
• 参考スコア（独自算出の注目度）: 28.52208320158631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compositional implicit surface representations model scenes as collections of objects, each encoded by a Signed Distance Field (SDF). A fundamental limitation of this approach is that multiple SDFs can produce geometries that interpenetrate, violating physical plausibility. Existing mitigation strategies rely on soft penalty terms that reduce but do not eliminate intersections, and require careful loss weighting. To truly prevent interpenetration, we propose a hard constraint on vector-valued SDFs and introduce S2MDF, a lightweight plug-and-play module that enforces the constraint on any object-compositional SDF representation without architectural modifications. It introduces negligible computational overhead and is compatible with linearly-interpolated standard meshing algorithms such as Marching Cubes. It can be applied during training or as a post-processing step. Experiments on multiple state-of-the-art compositional methods show that S2MDF reduces intersections to numerical precision while preserving reconstruction quality, outperforming existing mitigation strategies.
• Abstract（参考訳）: 構成的暗黙的な表面表現は、シーンをオブジェクトの集合としてモデル化し、それぞれが符号付き距離場(SDF)によって符号化される。 このアプローチの基本的な制限は、複数のSDFが相互に交差する測地を生成でき、物理的可視性に反することである。 既存の緩和戦略はソフトペナルティという用語に頼っているが、交差点を排除せず、注意深い損失重み付けを必要としている。 そこで本研究では,ベクトル値付きSDFの厳密な制約を提案し,S2MDFという軽量なプラグイン・アンド・プレイモジュールを導入する。 これは無視可能な計算オーバーヘッドを導入し、マーチングキューブのような線形補間された標準メッシュアルゴリズムと互換性がある。 トレーニング中や後処理のステップとして適用することができる。 複数の最先端合成法の実験により、S2MDFは、再構成品質を維持しながら交差点を数値精度に還元し、既存の緩和戦略より優れていることが示された。

関連論文リスト

• M2-SMap: Memory-Efficient Semantic Mapping with Hierarchical Multi-Model Representation [8.85359003214255]
  M2-SMapは階層的マルチモデル表現に基づくメモリ効率のセマンティックマッピングフレームワークである。 3つのRGB-Dシーケンスの実験では、M2-SMapは29.37Hz以下でリアルタイムに実行される。
  論文  参考訳（メタデータ） (2026-08-07T10:27:26Z)
• Adaptive Depth Sparse Framework: Similarity-Driven Resource Allocation for Pre-Trained LLMs [18.457250148137494]
  本稿では,既設の大規模言語モデルから深度スパースモデルへの変換を行う適応深度スパースフレームワーク(AdaDSF)を提案する。 GPT-NeoX と Qwen2.5 では、言語モデリングとコモンセンス推論について、AdaDSF は高密度の性能を保ちながら、推論FLOP を大幅に削減する。
  論文  参考訳（メタデータ） (2026-07-23T13:13:04Z)
• Learning Unions of Convex Sets via Invertible Latent Decomposition for Path Planning [19.14344979340464]
  可逆遅延分解(英: Invertible Latent Decomposition, ILD)は、可逆写像と、結果の潜在空間における明示凸ポリトープの結合を学習するフレームワークである。 ILDは、以前のベースラインよりも広範なカバレッジ、セット間の接続性の向上、パス計画の成功率の向上を実現している。 14-DoF双対マニピュレータにおいて,現場形状の変化に適応した実時間衝突のない計画法を実演する。
  論文  参考訳（メタデータ） (2026-06-10T12:49:47Z)
• LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
  LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。 本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。 その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
  論文  参考訳（メタデータ） (2026-06-03T06:07:33Z)
• Metric--Phase Fields: Decoupling Distance and Sign for Thin-Structure Reconstruction from Unoriented Point Clouds [67.30236447078187]
  本稿では,距離近接を位相相から分離する非結合な暗黙的表現であるMetric-Phase Fields (MPFs)を紹介する。 合成および走査された薄殻形状と薄板形状の両方の実験により、MPFは最近のSDF法よりも薄くて層状構造を忠実に保存することが示された。
  論文  参考訳（メタデータ） (2026-05-25T07:08:57Z)
• Shape-of-You: Fused Gromov-Wasserstein Optimal Transport for Semantic Correspondence in-the-Wild [7.4746628878102195]
  Shape-of-Youは意味対応のための教師なし学習フレームワークである。 SPair-71kおよびAP-10kデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-03-12T07:22:03Z)
• Convex Hull-based Algebraic Constraint for Visual Quadric SLAM [9.855936120653995]
  対象表現として二次体を用いることは、画像空間と世界空間の間の一般閉形式射影の利点がある。 二重再構成については, 多数提案されているが, 多くは不正確であり, 局所化の最小限の改善が得られている。 物体のランドマークに対して,簡潔かつ高精度な凸船体に基づく制約を導入する。 公開データセットを用いた実験により,本手法がモノクロおよびRGB-D SLAMの両方に適用可能であることが示された。
  論文  参考訳（メタデータ） (2025-03-03T07:30:07Z)
• Monge-Ampere Regularization for Learning Arbitrary Shapes from Point Clouds [69.69726932986923]
  任意の曲面型をモデル化するための新しい暗黙曲面表現であるスケールド2乗距離関数 (S$2$DF) を提案する。 S$2$DFは、ゼロレベルセットでのUDFの非微分可能性問題に効果的に対処しながら、内部領域と外部領域を区別しない。
  論文  参考訳（メタデータ） (2024-10-24T06:56:34Z)
• ClusteringSDF: Self-Organized Neural Implicit Surfaces for 3D Decomposition [32.99080359375706]
  ClusteringSDFは、ニューラルな暗黙の表面表現を通して3次元のセグメンテーションと再構成を実現するための新しいアプローチである。 ScanNetとReplicaのデータセットから得られた挑戦的なシーンにおける実験結果から,ClusteringSDFが競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2024-03-21T17:59:16Z)
• DDF-HO: Hand-Held Object Reconstruction via Conditional Directed Distance Field [82.81337273685176]
  DDF-HOは、DDF(Directed Distance Field)を形状表現として活用する新しいアプローチである。 我々はランダムに複数の光線をサンプリングし、新しい2D線に基づく特徴集約方式を導入することにより、局所的・大域的特徴を収集する。 合成および実世界のデータセットの実験は、DFF-HOが全てのベースライン手法を大きなマージンで一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2023-08-16T09:06:32Z)
• AlignSDF: Pose-Aligned Signed Distance Fields for Hand-Object Reconstruction [76.12874759788298]
  ポーズと形状を両立させる共同学習フレームワークを提案する。 以上の結果から,SDFは形状の細部を再構築することに注力し,手・物体の復元精度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2022-07-26T13:58:59Z)
• Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
  非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。 我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。 また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
  論文  参考訳（メタデータ） (2020-11-24T14:22:42Z)

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。