論文の概要: MeshFlow: Mesh Generation with Equivariant Flow Matching

• arxiv url: http://arxiv.org/abs/2606.23489v1
• Date: Mon, 22 Jun 2026 15:35:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 18:43:58.264008
• Title: MeshFlow: Mesh Generation with Equivariant Flow Matching
• Title（参考訳）: MeshFlow: 等価フローマッチングによるメッシュ生成
• Authors: Qi Sun, Kiyohiro Nakayama, Jing Nathan Yan, Qixing Huang, Alexander Rush, Leonidas Guibas, Gordon Wetzstein, Jing Liao, Guandao Yang,
• Abstract要約: MeshFlowは三角形のメッシュを三角形のスープとして直接生成することを学ぶ。 三角形スープのキー対称性を尊重する等変最適輸送流マッチングモデルを採用する。 MeshFlowは、最先端の自動回帰メッシュジェネレータに匹敵するメッシュ品質を実現する。
• 参考スコア（独自算出の注目度）: 99.07593100078935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Meshes are among the most common 3D scene representations, but directly generating meshes is challenging because the representation contains important symmetries, including permutation invariance of faces and vertices. MeshFlow learns to generate triangle meshes directly as triangle soups, avoiding the need to serialize meshes into long autoregressive sequences. We adopt equivariant optimal-transport flow matching models that respect the key symmetries of triangle soups: arbitrary permutations of faces and permutations of the vertices within each face. Toward this goal, we propose a simple yet effective modification to the Diffusion Transformer architecture, resulting in a scalable network capable of modeling a velocity field while maintaining the desired equivariance. We further introduce an optimal-transport-based training objective that improves convergence by eliminating supervision signals that violate these symmetries. MeshFlow achieves mesh quality comparable to state-of-the-art autoregressive mesh generators while providing about an 18$\times$ speedup during inference. Project page is at https://qiisun.github.io/MeshFlow/.
• Abstract（参考訳）: メッシュは最も一般的な3Dシーン表現であるが、顔と頂点の置換不変性を含む重要な対称性を含むため、直接メッシュを生成することは困難である。 MeshFlowは三角形のメッシュを三角形のスープとして直接生成することを学び、メッシュを長い自己回帰シーケンスにシリアライズする必要はない。 三角形スープのキー対称性を尊重する等変最適輸送流マッチングモデル(顔の任意置換と各面内の頂点の置換)を採用する。 そこで本稿では,Diffusion Transformerアーキテクチャの簡易かつ効果的な変更を提案する。これにより,所望の等価性を維持しつつ,速度場をモデル化できるスケーラブルネットワークを実現する。 さらに,これらの対称性に反する監視信号を排除し,収束を改善するための最適輸送に基づく訓練目標についても紹介する。 MeshFlowは、最先端の自動回帰メッシュジェネレータに匹敵するメッシュ品質を実現し、推論時に約18$\times$スピードアップを提供する。 プロジェクトページはhttps://qiisun.github.io/MeshFlow/にある。

関連論文リスト

• MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer [82.3429532054028]
  MeshFlowは、アーティストのような3Dメッシュを生成する新しい方法だ。 我々のモデルは最速のARジェネレータより18倍速くメッシュを生成する。
  論文  参考訳（メタデータ） (2026-06-03T08:57:15Z)
• FastMesh: Efficient Artistic Mesh Generation via Component Decoupling [27.21354509059262]
  メッシュ生成アプローチは通常、三角形メッシュをトークンのシーケンスにトークン化し、これらのトークンをシーケンシャルに生成するように自動回帰モデルを訓練する。 この冗長性は、過度に長いトークンシーケンスと非効率な生成プロセスをもたらす。 本稿では,頂点と面を別々に扱うことにより,芸術的メッシュを生成する効率的な枠組みを提案する。
  論文  参考訳（メタデータ） (2025-08-26T16:51:02Z)
• MILo: Mesh-In-the-Loop Gaussian Splatting for Detailed and Efficient Surface Reconstruction [38.02000636240954]
  3次元ガウスからメッシュを微分的に抽出することにより,体積表現と表面表現のギャップを埋める新しいフレームワークMILoを提案する。 提案手法では,従来の手法に比べてメッシュ頂点のオーダーを桁違いに少なくしつつ,背景を含む全シーンを最先端の品質で再構築することができる。
  論文  参考訳（メタデータ） (2025-06-30T17:48:54Z)
• 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)
• PivotMesh: Generic 3D Mesh Generation via Pivot Vertices Guidance [66.40153183581894]
  汎用的でスケーラブルなメッシュ生成フレームワークであるPivotMeshを紹介します。 PivotMeshは、ネイティブメッシュ生成を大規模データセットに拡張する最初の試みである。 PivotMeshは,様々なカテゴリにまたがって,コンパクトでシャープな3Dメッシュを生成することができることを示す。
  論文  参考訳（メタデータ） (2024-05-27T07:13:13Z)
• Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
  動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。 我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。 提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
  論文  参考訳（メタデータ） (2021-07-18T09:05:16Z)

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。