論文の概要: ExMesh: EXplicit Mesh Reconstruction with Topology Adaptation

• arxiv url: http://arxiv.org/abs/2606.07288v1
• Date: Fri, 05 Jun 2026 13:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.765596
• Title: ExMesh: EXplicit Mesh Reconstruction with Topology Adaptation
• Title（参考訳）: ExMesh: トポロジ適応による排他的メッシュ再構築
• Authors: Chuanjin Fan, Lifan Wu, Wenjie Chang, Hanzhi Chang, Wenfei Yang, Tianzhu Zhang,
• Abstract要約: 明示的なメッシュを直接最適化する新しいフレームワークであるExMeshを提案する。 ExMeshは精度とメッシュの簡潔さのバランスがとれることを示す。
• 参考スコア（独自算出の注目度）: 36.887001139824456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing surface meshes from multi-view images has remained a core challenge in recent years. Most existing methods, whether implicit or explicit, depend on intermediate representations and post-processing steps like Marching Cubes or TSDF fusion, often resulting in artifacts and fragmented geometry. Directly optimizing explicit meshes is a promising approach. However, it presents two critical challenges. The first is how to adaptively refine mesh topology to capture detail without introducing degenerate faces. The second is how to maintain consistent UV coordinates for high-fidelity texturing as the mesh structure evolves. To overcome these, we propose ExMesh, a novel framework that directly optimizes explicit meshes by integrating differentiable optimization with discrete topology updates. Specifically, we introduce an adaptive vertex splitting and merging strategy, along with real-time UV maintenance, to enable coarse-to-fine optimization while preserving geometric integrity. To our knowledge, ExMesh is the first framework to seamlessly integrate discrete topology operations into a continuous differentiable optimization pipeline. Extensive experiments demonstrate that ExMesh achieves a balance among accuracy, computational efficiency, and mesh conciseness.
• Abstract（参考訳）: マルチビュー画像からのサーフェスメッシュの再構築は、近年でも中心的な課題である。 暗黙的であろうと明示であろうと、既存のほとんどの手法はマーチングキューブやTSDF融合のような中間表現や後処理ステップに依存しており、しばしば人工物や断片化された幾何学をもたらす。 明示的なメッシュを直接最適化することは、有望なアプローチです。 しかし、2つの重要な課題がある。 ひとつは、メッシュトポロジを適応的に洗練して、退化した顔を導入することなく詳細をキャプチャする方法です。 2つ目は、メッシュ構造が進化するにつれて、高忠実度テクスチャのための一貫した紫外線座標を維持する方法である。 これを解決するために、差別化可能な最適化と離散トポロジ更新を統合することで、明示的なメッシュを直接最適化する新しいフレームワークであるExMeshを提案する。 具体的には、幾何的整合性を維持しながら粗大な最適化を可能にするために、適応頂点分割とマージ戦略をリアルタイム紫外線保守と共に導入する。 私たちの知る限り、ExMeshは、離散トポロジ操作を継続的微分可能な最適化パイプラインにシームレスに統合する最初のフレームワークです。 大規模な実験により、ExMeshは精度、計算効率、メッシュの簡潔さのバランスがとれることを示した。

関連論文リスト

• MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation [53.06620176910962]
  MeshWeaverは、メッシュ生成を表面織布プロセスとして扱う自動回帰フレームワークである。 MeshWeaverは18%の最先端圧縮比を実現し、最大16K面のメッシュを生成することができ、以前のアプローチよりも幾何的忠実性を大幅に向上する。
  論文  参考訳（メタデータ） (2026-06-03T10:15:43Z)
• TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification [44.632513151214084]
  TopoMeshは、GTと予測メッシュを、共有デュアルマーチングキューブ(DMC)トポロジフレームワークで統合した、スパースボクセルベースのVAEである。 我々のデコーダは同じDMCフォーマットでメッシュを出力し、予測とターゲットのメッシュが同じトポロジ構造を共有することを保証します。 大規模な実験により、TopoMeshは再建忠実度において既存のVAEを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2026-03-25T13:10:34Z)
• SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
  我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
  論文  参考訳（メタデータ） (2025-11-21T16:32:01Z)
• GaussianMorphing: Mesh-Guided 3D Gaussians for Semantic-Aware Object Morphing [31.47036497656664]
  マルチビュー画像から意味認識型3次元形状とテクスチャ形成のための新しいフレームワークを提案する。 私たちのフレームワークの中核は、3DGaussianをメッシュパッチの再構築にアンカーする統一的な変形戦略です。 提案したTexMorphベンチマークでは,GaussianMorphingは従来の2D/3D法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-10-02T14:07:55Z)
• OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
  OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。 OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-29T05:43:40Z)
• DeepMesh: Auto-Regressive Artist-mesh Creation with Reinforcement Learning [21.77406648840365]
  DeepMeshは、2つの重要なイノベーションを通じてメッシュ生成を最適化するフレームワークである。 データキュレーションと処理の改善とともに、新しいトークン化アルゴリズムが組み込まれている。 複雑な詳細と正確なトポロジを持つメッシュを生成し、精度と品質の両方で最先端の手法より優れています。
  論文  参考訳（メタデータ） (2025-03-19T14:39:30Z)
• MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization [65.15226276553891]
  MeshAnything V2はArtist-Created Meshを作成するために設計された高度なメッシュ生成モデルである。 MeshAnything V2の背後にある重要なイノベーションは、新しいAdjacent Mesh Tokenization(AMT)メソッドです。
  論文  参考訳（メタデータ） (2024-08-05T15:33:45Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)

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。