論文の概要: TriFlow: Generating Artist-Like 3D Mesh Topology via Nearest-Vertex Vector Fields

• arxiv url: http://arxiv.org/abs/2606.20131v2
• Date: Fri, 19 Jun 2026 20:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 16:10:14.920968
• Title: TriFlow: Generating Artist-Like 3D Mesh Topology via Nearest-Vertex Vector Fields
• Title（参考訳）: TriFlow:最先端ベクトル場によるアーティスト風の3Dメッシュトポロジの生成
• Authors: Haoxuan Li, Ziya Erkoç, Daniele Sirigatti, Vladislav Rosov, Lei Li, Angela Dai, Matthias Nießner,
• Abstract要約: TriFlowは、署名された距離場などの入力幾何学条件から直接アーティストのような三角形のトポロジーを持つコンパクトな3Dメッシュを作成するための新しい生成手法である。 実験により、TriFlowは最先端の学習ベースアプローチと比較して、より高度な一般化とトポロジ品質の向上を実現していることが示された。
• 参考スコア（独自算出の注目度）: 72.76537377865192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present TriFlow, a new generative approach for producing compact 3D meshes with artist-like triangle topology directly from input geometry conditions such as signed distance fields. Our key insight is to represent mesh topology as a nearest-vertex vector field (NVF) defined over the surface, where each point encodes its association to the nearest triangle vertex in the local barycentric frame. We train a latent flow-matching model to synthesize this field, enabling topology generation conditioned on the input geometry. To extract a coherent mesh, we cluster surface regions using the generated NVF and guide a constrained quadric error metric (QEM) mesh simplification with topology-aware optimization. This yields output meshes that closely match the input geometry while exhibiting structured, artist-like connectivity. Experiments demonstrate that TriFlow achieves stronger generalization and significantly improved topology quality compared to state-of-the-art learning-based approaches, alongside 90% lower Chamfer Distance and an 8x speedup.
• Abstract（参考訳）: 署名された距離場などの入力幾何学条件から直接アーティストのような三角形のトポロジーを持つコンパクトな3次元メッシュを作成するための新しい生成手法であるTriFlowを提案する。 我々の重要な洞察は、メッシュトポロジを表面上で定義された最も近い頂点ベクトル場(NVF)として表現することであり、各点が局所的偏心フレームにおける最も近い三角形頂点との関係を符号化する。 我々は、このフィールドを合成するために潜在フローマッチングモデルを訓練し、入力幾何学に基づくトポロジ生成を可能にする。 コヒーレントメッシュを抽出するために、生成したNVFを用いて表面領域をクラスタリングし、トポロジ対応最適化による制約付き二次誤差計量(QEM)メッシュの単純化を導く。 これにより出力メッシュが出力され、入力幾何学と密接に一致し、構造化されたアーティスト風の接続性を示す。 実験の結果、TriFlowは最先端の学習ベースアプローチと比較して、より高度な一般化とトポロジ品質の向上を実現し、90%低いチャンファー距離と8倍のスピードアップを実現している。

関連論文リスト

• LATO: 3D Mesh Flow Matching with Structured TOpology Preserving LAtents [43.84310366771089]
  LATOは、スケーラブルでフローマッチングに基づく明示的な3Dメッシュの合成を可能にする、新しいトポロジ保存潜在表現である。 生成モデリングでは、LATOは2段階のフローマッチングプロセスを採用し、最初は構造ボクセルを合成し、その後、ボクセルのトポロジーの特徴を精製する。 従来の等曲面/三角形に基づく拡散モデルや自己回帰生成アプローチと比較して、LATOは推論において高い効率を保ちながら、複雑な幾何学、よく形成されたトポロジーを持つメッシュを生成する。
  論文  参考訳（メタデータ） (2026-03-06T15:09:25Z)
• Hierarchical Neural Surfaces for 3D Mesh Compression [0.0]
  Inlicit Neural Representation (INR)は、画像、ビデオ、3D表面、オーディオなど、幅広いモダリティの最先端の圧縮を実現するために実証されている。 ほとんどの研究は、符号付き距離関数のような従来の3次元幾何学の暗黙の表現のニューラルネットワークの構築に焦点を当てている。
  論文  参考訳（メタデータ） (2025-12-17T21:32:04Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers [32.169007676811404]
  MeshGPTは、アーティストが作ったメッシュに典型的なコンパクトさを反映した、三角形メッシュを生成するための新しいアプローチである。 近年の強力な大規模言語モデルの発展に触発されて,三角メッシュを三角形として自動回帰的に生成するシーケンスベースアプローチを採用した。
  論文  参考訳（メタデータ） (2023-11-27T01:20:11Z)
• GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
  スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。 具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。 予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:02:01Z)
• Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D Shape Synthesis [90.26556260531707]
  DMTetは粗いボクセルのような単純なユーザーガイドを用いて高解像度の3次元形状を合成できる条件付き生成モデルである。 メッシュなどの明示的な表現を直接生成する深部3次元生成モデルとは異なり、我々のモデルは任意の位相で形状を合成することができる。
  論文  参考訳（メタデータ） (2021-11-08T05:29:35Z)
• Differentiable Surface Triangulation [40.13834693745158]
  曲面三角関数の空間上での頂点ごとあるいは面ごとの微分可能な対象関数の最適化を可能にする微分曲面三角関数を提案する。 提案手法は, 適切な重み付けを施したデラウネー三角測量により, 任意の2次元三角測量が達成できることを示す。 形状を展開可能な集合に分解し,各集合を適切な境界制約で異なったメッシュ化することにより,アルゴリズムを3Dに拡張する。
  論文  参考訳（メタデータ） (2021-09-22T12:42:43Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)

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。