論文の概要: Arko-T: A Foundation Model for Text-to-Structured 3D Generation
- arxiv url: http://arxiv.org/abs/2606.30429v2
- Date: Tue, 30 Jun 2026 05:49:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 13:50:27.73461
- Title: Arko-T: A Foundation Model for Text-to-Structured 3D Generation
- Title（参考訳）: Arko-T:テキストから構造化された3次元生成の基礎モデル
- Abstract要約: 本稿では、自然言語インテントを直接実行可能なパラメトリックCADプログラムにマッピングするテキスト・デザインモデルArko-Tを提案する。
12の指標で7つのフロンティア LLM と比較すると、Arko-T は8点で2点、さらに3点で2点を獲得した。
- 参考スコア（独自算出の注目度）: 9.264199835246675
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Text-to-3D systems can now synthesize a model from a single sentence, yet the result is a shape to render, not a design to edit. We present Arko-T, a 4B-parameter text-to-design model that maps natural-language intent directly into executable, parametric CAD programs. Rather than optimizing for code executability alone, Arko-T aligns every stage of the pipeline to a formal notion of design state, so that data curation, code normalization, and execution-grounded supervision all work to preserve the features, parameters, and construction logic that make a CAD artifact editable. Benchmarked against seven frontier LLMs across 12 metrics, Arko-T attains the best score on 8 and the second-best on 3 more, at roughly one-tenth the per-benchmark cost. The results suggest that targeted design-level training at moderate scale can match frontier general-purpose models on structured CAD generation.
- Abstract（参考訳）: テキストから3Dのシステムは、1つの文からモデルを合成できるが、その結果はレンダリングする形状であり、編集するデザインではない。
本稿では,自然言語のインテントを直接実行可能パラメトリックCADプログラムにマッピングする4Bパラメータテキスト・デザインモデルArko-Tを提案する。
コード実行可能性のみを最適化するのではなく、Arko-Tはパイプラインのすべてのステージを設計状態の形式的な概念に整合させるため、データキュレーション、コード正規化、実行基盤の監督はすべてCADアーティファクトを編集可能にする機能、パラメータ、構成ロジックを保存するために機能する。
12の指標で7つのフロンティア LLM と比較すると、Arko-T は8点で2点、さらに3点で2点を獲得した。
その結果、中等度スケールでの目標設計レベルのトレーニングは、構造化CAD生成におけるフロンティア汎用モデルと一致することが示唆された。
関連論文リスト
- Foundation Models for Automatic CAD Generation [0.0]
本章では,機械部品の自動設計(CAD)のための基礎モデルに関する実証的研究を紹介する。
LLMForgeは空間的検証,解析的特徴スコアリング,メッシュ合成,マルチラウンド反復精錬を統合したマルチモデルテキスト・ツー・CADフレームワークである。
IterTracerの下では、4つの最高ランクのモデルが98.97%の成功率を持つ厳密なクラスタ(overall mean in [0.885, 0.890])を形成している。
論文 参考訳（メタデータ） (2026-07-06T19:17:49Z) - P3D-Bench: Benchmarking MLLMs for Parametric 3D Generation and Structural Reasoning [37.03209423305997]
パラメトリックな3D生成のためのベンチマークであるP3D-Benchを紹介する。
統一されたプロトコルの下でP3D-Benchは3つのタスクファミリ(Text-to-3D, Image-to-3D, Assembly-3D)をカバーする
テキストケース400件,画像ケース400件,アノテートアセンブリ203件について,フロンティアMLLMとテキストのみLLMを評価した。
論文 参考訳（メタデータ） (2026-06-09T17:36:34Z) - MUSE: Benchmarking Manufacturable, Functional, and Assemblable Text-to-CAD Generation [17.467056775887944]
MUSEは、複雑な編集可能な境界表現アセンブリに焦点を当てたText-to-CADベンチマークである。
MUSEは、コードチェック、幾何チェック、デザインインテントアライメントという3段階のプロトコルを通じて生成されたモデルを評価する。
クローズドソースおよびオープンソース LLM の実験では、実行可能コードから有効な幾何への明確な障害カスケードが明らかになった。
論文 参考訳（メタデータ） (2026-05-27T15:01:59Z) - LoST: Level of Semantics Tokenization for 3D Shapes [50.847769883816085]
State-of-the-artメソッドは、もともとレンダリングと圧縮のために設計された幾何学的なレベル・オブ・ディテール(LoD)階層に依存している。
本稿では,初期接頭辞が完全かつ可塑性な形状をデコードするように,サリエンスを指示するレベル・オブ・セマンティックス・トークン化(LoST)を提案する。
LoSTはSOTA再構成を実現し、幾何的および意味的再構成のメトリクスにおいて、従来のLoDベースの3次元形状トークン化器を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2026-03-18T17:56:06Z) - DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces [67.45867367326105]
ポイントレベルの監視から編集可能なBRepsを直接生成するマルチモーダル生成フレームワークであるDreamCADを提案する。
DreamCADは、各BRepをパラメトリックパッチの集合として表現し、メッシュを生成するために微分可能なテッセルレーション手法を使用する。
DreamCADはABCの最先端のパフォーマンスを達成し、テキスト、画像、点のモダリティにまたがるベンチマークを行う。
論文 参考訳（メタデータ） (2026-03-05T19:04:07Z) - Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing [63.141976759536625]
テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。
生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。
包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
論文 参考訳（メタデータ） (2026-01-20T16:03:22Z) - PatchAlign3D: Local Feature Alignment for Dense 3D Shape understanding [67.15800065888887]
現在の3次元形状の基礎モデルは、グローバルなタスク(検索、分類)において優れているが、局所的な部分レベルの推論には不十分である。
本稿では,ポイントクラウドから直接,言語対応のパッチレベル機能を生成するエンコーダのみの3Dモデルを提案する。
我々の3Dエンコーダは、テストタイムのマルチビューレンダリングなしで高速なシングルパス推論によるゼロショット3D部分分割を実現する。
論文 参考訳（メタデータ） (2026-01-05T18:55:45Z) - Gen-LangSplat: Generalized Language Gaussian Splatting with Pre-Trained Feature Compression [0.0]
我々は,シーンワイドオートエンコーダを汎用オートエンコーダに置き換えるGen-LangSplatを導入し,大規模ScanNetデータセット上で広範囲に事前トレーニングを行った。
このアーキテクチャシフトにより、シーン固有のトレーニングを必要とせずに、新しいシーンにまたがる言語機能に対して、固定的でコンパクトな潜在空間を使用できるようになる。
以上の結果から,新しい3次元シーンにおけるオープン語彙クエリを効率よく,かつ正確に支援できることが示唆された。
論文 参考訳（メタデータ） (2025-10-27T02:13:38Z) - From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation [47.67703214044401]
CADモデリングコード生成のためのマルチモーダルChain-of-Thoughtガイド強化学習フレームワークCAD-RLを提案する。
本手法は,3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングとコールドスタートを組み合わせた。
CAD-RLは、推論品質、出力精度、コード実行可能性を大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-08-13T18:30:49Z) - Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。
既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。
ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
論文 参考訳（メタデータ） (2025-07-04T04:46:59Z)
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。