論文の概要: Advances in Neural 3D Mesh Texturing: A Survey

• arxiv url: http://arxiv.org/abs/2606.00137v1
• Date: Thu, 28 May 2026 23:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:27.997849
• Title: Advances in Neural 3D Mesh Texturing: A Survey
• Title（参考訳）: ニューラル3Dメッシュテクスチャの進歩:サーベイ
• Abstract要約: テクスチャ3Dは、デジタルオブジェクトやシーンの視覚的リアリズムを決定する上で重要な役割を果たす。 本稿では,ニューラル3Dメッシュの最近の進歩について概説する。
• 参考スコア（独自算出の注目度）: 18.525084595932288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Texturing 3D meshes plays a vital role in determining the visual realism of digital objects and scenes. Although recent generative 3D approaches based on Neural Radiance Fields and Gaussian Splatting can produce textured assets directly, polygonal meshes remain the core representation across modeling, animation, visual effects, and gaming pipelines. Neural 3D mesh texturing therefore continues to be an essential and active area of research. In this survey, we present a comprehensive review of recent advances in neural 3D mesh texturing, covering methods for texture synthesis, transfer, and completion. We first summarize key foundations in mesh geometry, texture mapping, differentiable rendering, and neural generative models, and then organize the literature into a unified taxonomy spanning early GAN-based methods to modern diffusion-based pipelines. We further analyze common architectures and supervision strategies, review datasets and evaluation protocols, and discuss emerging applications, practical/commercial systems, and open challenges. Together, these insights provide a structured perspective on the current landscape and help guide future developments in learning-based 3D mesh texturing.
• Abstract（参考訳）: テクスチャ3Dメッシュは、デジタルオブジェクトやシーンの視覚的リアリズムを決定する上で重要な役割を果たす。 Neural Radiance Fields と Gaussian Splatting に基づく最近の生成的3Dアプローチは、テクスチャ化されたアセットを直接生成できるが、多角形メッシュはモデリング、アニメーション、視覚効果、ゲームパイプライン間のコア表現のままである。 それゆえ、ニューラルネットワークによる3Dメッシュのテクスチャは研究の不可欠な領域であり続けている。 本稿では,最近の3次元メッシュテクスチャ,テクスチャ合成,転写,完成のための手法について概説する。 まず、メッシュ幾何学、テクスチャマッピング、微分可能レンダリング、ニューラル生成モデルの主要な基礎を要約し、その後、文献を初期のGANベースの手法から近代的な拡散に基づくパイプラインにまたがる統一された分類体系に整理する。 さらに、共通アーキテクチャと監視戦略を分析し、データセットと評価プロトコルをレビューし、新興アプリケーション、実用/商用システム、オープン課題について議論する。 これらとともに、これらの洞察は現在の状況に関する構造化された視点を提供し、学習ベースの3Dメッシュテクスチャにおける将来の発展を導くのに役立つ。

関連論文リスト

• Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective [91.23306722968509]
  汎用的なフィードフォワード3D再構築は近年急速に進展している。 既存のフィードフォワードアプローチも同様に高いレベルのアーキテクチャパターンを共有している。 本稿では,出力形式に依存しないモデル設計戦略を中心とした新しい分類法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T16:07:18Z)
• Advances in Feed-Forward 3D Reconstruction and View Synthesis: A Survey [171.72616707259306]
  3D再構成とビュー合成は、拡張現実(AR)、仮想現実(VR)、デジタルツインといった没入型技術における基礎的な問題である。 深層学習によるフィードフォワードアプローチの最近の進歩は、高速で一般化可能な3次元再構成とビュー合成を可能にして、この分野に革命をもたらした。
  論文  参考訳（メタデータ） (2025-07-19T06:13:25Z)
• End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards [8.953379216683732]
  本稿では,人間のフィードバックを3次元テクスチャパイプラインに直接埋め込む,エンドツーエンドの微分可能・強化学習不要なフレームワークを提案する。 幾何学的および外見的モジュールによる好み信号のバックプロパゲーションにより、3次元幾何学的構造を尊重し、所望の基準と整合するテクスチャを生成する。
  論文  参考訳（メタデータ） (2025-06-23T06:24:12Z)
• SuperCarver: Texture-Consistent 3D Geometry Super-Resolution for High-Fidelity Surface Detail Generation [70.76810765911499]
  粗いメッシュ上にテクスチャ一貫性のある表面の詳細を補うための3次元幾何学的超解像パイプラインであるSuperCarverを紹介する。 実験により、私たちのSuperCarverは実際のテクスチャの外観によって描写された現実的で表現力のある表面の詳細を生成することができることが示された。
  論文  参考訳（メタデータ） (2025-03-12T14:38:45Z)
• Textured Mesh Saliency: Bridging Geometry and Texture for Human Perception in 3D Graphics [50.23625950905638]
  6自由度(6-DOF)VR環境下での革新的な視線追跡実験により構築したテクスチャメッシュ・サリエンシのための新しいデータセットを提案する。 本モデルでは,各三角形の面を個々の単位として扱い,各局所表面領域の重要性を反映した塩分濃度値を割り当てることで,テクスチャメッシュ表面の塩分濃度マップを推定する。
  論文  参考訳（メタデータ） (2024-12-11T08:27:33Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• 3D-TexSeg: Unsupervised Segmentation of 3D Texture using Mutual Transformer Learning [11.510823733292519]
  本稿ではメッシュ多様体上の3次元テクスチャの教師なしセグメンテーションのための独自のフレームワークを提案する。 ラベル生成器とクリーナーを組み合わせた相互変換器を考案する。 多様なテクスチャパターンを持つ3つの公開データセットの実験は、提案フレームワークが標準およびSOTA教師なし技術より優れていることを示した。
  論文  参考訳（メタデータ） (2023-11-17T17:13:14Z)
• Active 3D Shape Reconstruction from Vision and Touch [66.08432412497443]
  人間は、視覚と触覚を共同で利用して、活発な物体探索を通じて世界の3D理解を構築する。 3次元形状の再構成では、最新の進歩はRGB画像、深度マップ、触覚読影などの限られた感覚データの静的データセットに依存している。 1)高空間分解能視覚に基づく触覚センサを応用した3次元物体のアクティブタッチに活用した触覚シミュレータ,2)触覚やビジュオクティビティルを先導するメッシュベースの3次元形状再構成モデル,3)触覚やビジュオのいずれかを用いたデータ駆動型ソリューションのセットからなるシステムを導入する。
  論文  参考訳（メタデータ） (2021-07-20T15:56:52Z)

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。