論文の概要: NeuMesh++: Towards Versatile and Efficient Volumetric Editing with Disentangled Neural Mesh-based Implicit Field

• arxiv url: http://arxiv.org/abs/2606.19316v1
• Date: Wed, 17 Jun 2026 17:39:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.296182
• Title: NeuMesh++: Towards Versatile and Efficient Volumetric Editing with Disentangled Neural Mesh-based Implicit Field
• Title（参考訳）: NeuMesh++: 切り離されたニューラルネットワークベースの暗黙のフィールドによる可変かつ効率的なボリューム編集を目指して
• Authors: Chong Bao, Yuan Li, Bangbang Yang, Yujun Shen, Hujun Bao, Zhaopeng Cui, Yinda Zhang, Guofeng Zhang,
• Abstract要約: 本稿では, メッシュ頂点上の乱れ形状, テクスチャ, セマンティックコードを用いて, ニューラルラディアンス場を符号化することで, メッシュに基づく新しい表現を提案する。 我々は、レンダリング品質とトレーニング安定性を向上させるために、新しい局所空間パラメータ化を含むいくつかの技術を開発した。 実データと合成データの両方を用いた実験および編集例は,表現品質と編集能力において,本手法が優れていることを示す。
• 参考スコア（独自算出の注目度）: 97.42987293413239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently neural implicit rendering techniques have evolved rapidly and demonstrated significant advantages in novel view synthesis and 3D scene reconstruction. However, existing neural rendering methods for editing purposes offer limited functionalities, e.g., rigid transformation and category-specific editing. In this paper, we present a novel mesh-based representation by encoding the neural radiance field with disentangled geometry, texture, and semantic codes on mesh vertices, which empowers a set of efficient and comprehensive editing functionalities, including mesh-guided geometry editing, designated texture editing with texture swapping, filling and painting operations, and semantic-guided editing. To this end, we develop several techniques including a novel local space parameterization to enhance rendering quality and training stability, a learnable modification color on vertex to improve the fidelity of texture editing, a spatial-aware optimization strategy to realize precise texture editing, and a semantic-aided region selection to ease the laborious annotation of implicit field editing. Extensive experiments and editing examples on both real and synthetic datasets demonstrate the superiority of our method on representation quality and editing ability. Project page: https://zju3dv.github.io/neumeshplusplus/
• Abstract（参考訳）: 近年,ニューラルな暗黙的レンダリング技術は急速に発展し,新しいビュー合成と3次元シーン再構成において大きな優位性を示している。 しかし、既存の編集目的のニューラルレンダリング手法では、例えば、厳密な変換やカテゴリ固有の編集といった機能に制限がある。 そこで本稿では,メッシュ案内幾何編集,テクスチャスワッピングによる指定テクスチャ編集,フィリングとペインティング操作,セマンティックガイド編集など,効率的かつ包括的な編集機能セットを有効活用するメッシュ頂点上に,絡み合った幾何学,テクスチャ,テクスチャ,セマンティックコードを用いたニューラルラディアンスフィールドを符号化したメッシュベース表現を提案する。 この目的のために、レンダリング品質とトレーニング安定性を向上させる新しい局所空間パラメータ化、テクスチャ編集の忠実度を改善するために頂点に学習可能な修正色、正確なテクスチャ編集を実現するための空間認識最適化戦略、暗黙のフィールド編集の退屈なアノテーションを緩和する意味支援領域選択など、いくつかの技術を開発した。 実データと合成データの両方に対する大規模な実験と編集例は,表現品質と編集能力における本手法の優位性を実証している。 プロジェクトページ:https://zju3dv.github.io/neumeshplus/

関連論文リスト

• NeuSEditor: From Multi-View Images to Text-Guided Neural Surface Edits [6.021787236982659]
  NeuSEditorは、多視点画像から得られる暗黙の面をテキストガイドで編集する新しい方法である。 我々のアーキテクチャは、シーンを前景と背景に効率的に分離し、シーン固有の要素を変更することなく正確な修正を可能にする。 本手法は,連続的なデータセット更新やソースプロンプトの必要性を排除し,編集ワークフローを簡素化する。
  論文  参考訳（メタデータ） (2025-05-16T03:57:01Z)
• Mesh-Guided Neural Implicit Field Editing [42.78979161815414]
  本稿では,ニューラルネットワークの編集におけるガイド機構としてメッシュを用いた新しいアプローチを提案する。 まず,ニューラル暗黙フィールドから多角形メッシュ抽出のためのマーチングテトラヘドラを用いた微分可能手法を提案する。 次に、この抽出メッシュにボリュームレンダリングから得られた色を割り当てるために、微分可能な色抽出器を設計する。 この差別化可能なカラーメッシュは、暗黙のメッシュから暗示のフィールドへの勾配のバックプロパゲーションを可能にし、ニューラルな暗示のフィールドの幾何学と色をユーザが容易に操作できるようにする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:58Z)
• Neural Impostor: Editing Neural Radiance Fields with Explicit Shape Manipulation [49.852533321916844]
  マルチグリッドの暗黙の場とともに、明示的な四面体メッシュを組み込んだハイブリッド表現であるNeural Impostorを導入する。 我々のフレームワークは、多グリッドのバリ中心座標符号化を利用して、暗黙のフィールドの明示的な形状操作と幾何的編集を橋渡しする。 合成オブジェクトと実際のキャプチャデータの両方を編集するなど、多様な例や実験を通して、システムの堅牢性と適応性を示す。
  論文  参考訳（メタデータ） (2023-10-09T04:07:00Z)
• DreamEditor: Text-Driven 3D Scene Editing with Neural Fields [115.07896366760876]
  テキストプロンプトを用いてニューラルフィールドを編集できる新しいフレームワークを提案する。 DreamEditorは非常に現実的なテクスチャと幾何学を生成し、量的および質的な評価において、以前の作品を大きく上回っている。
  論文  参考訳（メタデータ） (2023-06-23T11:53:43Z)
• SINE: Semantic-driven Image-based NeRF Editing with Prior-guided Editing Field [37.8162035179377]
  我々は,1つの画像でニューラルラディアンスフィールドを編集できる,新しい意味駆動型NeRF編集手法を提案する。 この目的を達成するために,3次元空間における微細な幾何学的・テクスチャ的編集を符号化する事前誘導編集場を提案する。 本手法は,1枚の編集画像のみを用いた写真リアルな3D編集を実現し,実世界の3Dシーンにおけるセマンティックな編集の限界を押し上げる。
  論文  参考訳（メタデータ） (2023-03-23T13:58:11Z)
• NeuMesh: Learning Disentangled Neural Mesh-based Implicit Field for Geometry and Texture Editing [39.71252429542249]
  本稿では,メッシュ頂点上の幾何およびテクスチャコードを用いて,ニューラル暗黙の場を符号化することで,メッシュに基づく新しい表現を提案する。 メッシュベース表現の空間的識別性を最大化する学習可能な手話指標を含む,いくつかの手法を開発した。 実データと合成データの両方における実験および編集例は,表現品質と編集能力において,本手法が優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-25T05:30:50Z)

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。