論文の概要: Continuous Neural Reparameterization as a Deep Geometric Prior for Robust Fixed-Chart UV Repair

• arxiv url: http://arxiv.org/abs/2606.10050v1
• Date: Mon, 08 Jun 2026 18:26:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.126404
• Title: Continuous Neural Reparameterization as a Deep Geometric Prior for Robust Fixed-Chart UV Repair
• Title（参考訳）: ロバスト固定UV修復における深部幾何学的前駆体としての連続神経リパラメトリゼーション
• Authors: Mohammad Sadegh Salehi,
• Abstract要約: 固定チャートUVアンラッピングを連続神経リパラメトリゼーションとして再放送した。 Laplace--Beltramiスペクトル入力、Tutte残留ウォームアップ、$C2$行列拡張、妥当性チェックされた再試行/フォールバックルーティングを組み合わせる。 コンパクトプリカットチャートと47チャートの層状化Thingi10K/xatlas-cutベンチマークでは、ニューラルソルバはすべてのコンパクトチャート上でゼロフリップを生成し、42/47の有効なゼロフリップ層状解を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional UV unwrapping relies on direct optimization of geometric distortion energies and can fail through invalid initialization, local minima, or topological foldovers. We recast fixed-chart UV unwrapping as continuous neural reparameterization: an untrained SIREN maps per-vertex mesh features to UV coordinates, and its weights are optimized for a geometric objective. The practical contribution is a robust chart-solver recipe, combining Laplace--Beltrami spectral inputs, Tutte residual warm-up, a $C^2$ determinant extension, an injectivity barrier, and validity-checked retry/fallback routing, rather than a claim that any single component guarantees validity or that recutting methods should be replaced. NTK--LBO diagnostics show that spectral conditioning changes update geometry, especially at initialization and mid-rank subspaces, but does not by itself predict chart success. On compact pre-cut charts and a 47-chart stratified Thingi10K/xatlas-cut benchmark, the neural solver produces zero flips on all compact charts and 42/47 valid zero-flip stratified solves. BFF and OptCuts comparisons sharpen the scope: recutting can be faster and lower-distortion when allowed, while the neural solver targets supplied-chart validity and validation-first atlas construction. On Amara Spatial generated meshes, the full atlas construction path gives packed-atlas coverage on a 25-asset set and 1000/1000 strict locally valid atlases with zero UV flips in a large-scale Rust atlas run after fallback routing.
• Abstract（参考訳）: 従来のUVアンラッピングは幾何学的歪みエネルギーの直接最適化に依存しており、無効な初期化、局所最小化、位相上の折りたたみによって失敗することがある。 トレーニングされていないSIRENは、頂点メッシュの機能をUV座標にマッピングし、その重みは幾何学的目的のために最適化される。 実際の貢献は、Laplace--Beltramiスペクトル入力、Tutte残温アップ、$C^2$決定式拡張、インジェクティビティバリア、バリデーションチェックされた再試行/フォールバックルーティングを組み合わせた、堅牢なチャート解決レシピである。 NTK-LBO診断では、特に初期化や中級部分空間においてスペクトル条件変化が更新されるが、それ自体はチャートの成功を予測していない。 コンパクトプリカットチャートと47チャートの層状化Thingi10K/xatlas-cutベンチマークでは、ニューラルソルバはすべてのコンパクトチャート上でゼロフリップを生成し、42/47の有効なゼロフリップ層状解を生成する。 BFFとOptCutsの比較は、スコープを鋭くする: 再切断は許容すれば高速かつ低歪みになり、ニューラルソルバは供給されたチャートの妥当性とバリデーションファーストのアトラス構築をターゲットにする。 Amaraの空間的に生成されたメッシュでは、完全なアトラス構築パスによって、25のアセットセットと1000/1000の厳格なローカルな有効なアトラスが、フォールバックルーティング後に実行された大規模なRustアラスで、UVフリップをゼロにする。

関連論文リスト

• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation [3.881211374324378]
  勾配ベースの更新による生成成果物の検出に基礎モデルを適用することで、本質的な表現が損なわれる。 本稿では,二分分類から外分布(OOD)異常測定問題への検出を緩和する勾配のない手法を提案する。
  論文  参考訳（メタデータ） (2026-06-03T13:04:23Z)
• TALON: Token-Aligned Lightweight Adapters for 6-DoF Spacecraft Pose Estimation [14.854437007037683]
  モノアテンション6-F宇宙船は、個々のフレームを処理し、操作中に取得した画像シーケンスに存在する時間情報を破棄する。 本稿では,凍結したViTビジョントランスの自己調整層に3Dアダプタを注入する TALON (Token-conditioned Adapter) を提案する。 Pre-Alignedは、凍結された注意を時間的に濃縮されたトークンの推論を可能にし、ポストアテンションの代替よりもブロック毎に1つのアダプタでパフォーマンスを向上する。 SPADESデータセットでは、TAは前回の最先端よりもポーズエラーを50%削減し、スイスのデータセットではADD-0.1dで21.8%上回る。
  論文  参考訳（メタデータ） (2026-05-29T12:21:52Z)
• Closed-Form Linear-Probe Dataset Distillation for Pre-trained Vision Models [37.194177406897964]
  サンプル空間カーネルリッジソルバを用いて合成集合によって誘導される線形プローブを計算する閉形式定式化を提案する。 事前訓練された4つのバックボーンを持つImageNet-100では、CLP-DDはDSAなしでLGMよりも大幅に改善され、計算コストのごく一部でDSAでLGMにアプローチする。 ImageNet-1Kでは、CLP-DDが4つのバックボーンのうち3つでLGMとDSAをマッチまたはオーバーし、約14時間で動作し、GPUメモリの8分の1以下を使用する。
  論文  参考訳（メタデータ） (2026-05-08T03:41:51Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• GeoRA: Geometry-Aware Low-Rank Adaptation for RLVR [10.820638016337869]
  RL更新部分空間の異方性と圧縮性を利用したGeoRAを提案する。 GeoRAは、幾何学的ミスアライメントによる最適化ボトルネックを緩和する。 主要な数学ベンチマークで確立された低ランクのベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-01-14T10:41:34Z)
• A Graph Attention Network-Based Framework for Reconstructing Missing LiDAR Beams [0.0]
  本稿では,現在のLiDARフレームのみを用いて,行方不明な垂直チャネルを再構築するグラフ注意ネットワークフレームワークを提案する。 多層GATは、局所的な幾何学的近傍における適応的な注意重みを学習し、ドロップアウト箇所で欠落した標高(z)値を直接回帰する。 推論は1つのGPU上で1フレームあたり14.65秒かかる。
  論文  参考訳（メタデータ） (2025-12-13T17:50:57Z)
• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• SGCNeRF: Few-Shot Neural Rendering via Sparse Geometric Consistency Guidance [136.15885067858298]
  本研究では、空間的に一貫した幾何フィルタリング機構と周波数誘導幾何正規化戦略により強化された特徴マッチングに基づくスパース幾何正規化モジュールを提案する。 実験により, SGCNeRFは, LLFFおよびDTUにおけるPSNRの0.7dBの改善により, 優れた幾何整合性を実現し, かつFreeNeRFを超えていることが示された。
  論文  参考訳（メタデータ） (2024-04-01T08:37:57Z)

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。