論文の概要: Programming-by-Example for Batch-Editing Collision Meshes in 3D Software

• arxiv url: http://arxiv.org/abs/2607.08804v1
• Date: Thu, 09 Jul 2026 08:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.412909
• Title: Programming-by-Example for Batch-Editing Collision Meshes in 3D Software
• Title（参考訳）: 3次元ソフトウェアにおけるバッチ編集コリジョンメッシュのプログラミング・バイ・サンプル
• Abstract要約: 本稿では,バッチ編集型衝突メッシュに対するニューロシンボリックプログラム合成手法を提案する。 私たちはこれをMeshForgeというツールで実装し、600の衝突メッシュ上で24タスクにわたって評価します。
• 参考スコア（独自算出の注目度）: 12.88613617680903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As 3D software proliferates, software artifacts now extend beyond code and 2D user interfaces to include 3D assets. Among these assets, collision meshes are critical as they define the geometry used by physics engines for collision detection and physical interaction. Although existing tools can automatically generate collision meshes from visual meshes, they often fail to capture the intended interaction behavior. As a result, developers need to manually edit many heterogeneous collision meshes, a process that is time-consuming and challenging to scale. To address this problem, we present a neuro-symbolic program synthesis approach for batch-editing collision meshes. We formulate the task as a programming-by-example problem: given a family of collision meshes with the same editing intent and a small number of user demonstrations, our approach synthesizes a reusable program that captures the editing intent and applies it to non-demonstration meshes. We implement this in a tool named MeshForge, and evaluate it across 24 tasks on 600 collision meshes. MeshForge successfully synthesizes 23/24 tasks, requiring 2.2 demonstrations and 3.5 seconds of synthesis time on average.
• Abstract（参考訳）: 3Dソフトウェアの普及に伴い、ソフトウェアアーティファクトはコードや2Dユーザインターフェースを超えて、3Dアセットを含むように拡張される。 これらの資産のうち、衝突メッシュは衝突検出と物理的相互作用のために物理エンジンが使用する幾何学を定義するため、重要である。 既存のツールは、視覚メッシュから自動的に衝突メッシュを生成することができるが、意図した相互作用の振る舞いをキャプチャできないことが多い。 その結果、開発者は多くの異種衝突メッシュを手作業で編集する必要がある。 この問題に対処するために,バッチ編集型衝突メッシュのためのニューロシンボリックプログラム合成手法を提案する。 同一の編集意図と少数のユーザデモを持つ衝突メッシュのファミリーが与えられた場合、我々は再利用可能なプログラムを合成し、編集意図をキャプチャし、非デモメッシュに適用する。 私たちはこれをMeshForgeというツールで実装し、600の衝突メッシュ上で24タスクにわたって評価します。 MeshForgeは23/24タスクの合成に成功し、2.2デモと3.5秒の合成時間を必要とする。

関連論文リスト

• Procedura: Agentic 3D Modeling with Procedural Control [52.232812096564906]
  Proceduraは、オブジェクトを手続き的なアセンブリとして記述する、新しい3Dモデリングエージェントフレームワークである。 テキストプロンプトから、エージェントはアセンブリグラフとしてオブジェクトを計画し、プログラム部分を部分的に書きます。 分離された視覚評論家は、一度に診断された修正を精製する。
  論文  参考訳（メタデータ） (2026-08-26T17:54:39Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• PhyScene3D: Physically Consistent Interactive 3D Tabletop Scene Generation [75.9028457575434]
  3Dテーブルトップシーンの生成は、インタラクティブでジェネラリスト的なロボット学習の基本的な問題である。 本稿では,PhyScene3Dについて紹介する。 実験により、PhyScene3Dは意味的精度と物理的妥当性の両方において最先端のアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-01T03:56:32Z)
• VULCAN: Tool-Augmented Multi Agents for Iterative 3D Object Arrangement [66.13644883379087]
  MLLMを用いた3次元オブジェクト配置における3つの課題に対処する。 まず、MLLMの弱い視覚的基盤に対処するために、MPPベースのAPIを導入する。 第2に、MLLMの3Dシーン理解を、特殊な視覚ツール群で強化する。 第3に,反復的かつエラーを起こしやすい更新を管理するために,協調的なマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T19:22:39Z)
• CrashSplat: 2D to 3D Vehicle Damage Segmentation in Gaussian Splatting [0.0]
  本研究では,2次元マスクの昇降による3次元損傷セグメンテーションを行う自動車両損傷検出パイプラインを提案する。 また,シングルビュー3D-GSセグメンテーションのためのシンプルな学習自由アプローチを提案する。
  論文  参考訳（メタデータ） (2025-09-28T15:49:33Z)
• 3D Software Synthesis Guided by Constraint-Expressive Intermediate Representation [50.70705695129453]
  本稿では,要求に敏感な3Dソフトウェア合成手法であるScenethesisを提案する。 Scenethesisは、ユーザ仕様と生成された3Dソフトウェアの間の形式的なトレーサビリティを維持している。 Scenethesisは、最先端の手法と比較して、BLIP-2視覚評価スコアが42.8%向上した。
  論文  参考訳（メタデータ） (2025-07-24T17:58:03Z)
• CabiNet: Scaling Neural Collision Detection for Object Rearrangement with Procedural Scene Generation [54.68738348071891]
  私たちはまず、さまざまな日常環境において、650万以上の散らばったシーン(前よりも桁違いに多い)を生成します。 このデータから合成部分点雲をレンダリングし、それをCabiNetモデルアーキテクチャのトレーニングに使用します。 CabiNetは、オブジェクトとシーンポイントの雲を受け入れる衝突モデルである。
  論文  参考訳（メタデータ） (2023-04-18T21:09:55Z)
• Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
  3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。 提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
  論文  参考訳（メタデータ） (2021-10-08T04:08:31Z)

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。