論文の概要: LATO.2: Factorized 3D Mesh Generation with Vertex and Topology Flow

• arxiv url: http://arxiv.org/abs/2607.10623v2
• Date: Mon, 20 Jul 2026 15:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 14:24:57.243238
• Title: LATO.2: Factorized 3D Mesh Generation with Vertex and Topology Flow
• Title（参考訳）: LATO.2: 頂点流とトポロジー流を用いた因子化3次元メッシュ生成
• Authors: Hang Long, Tianhao Zhao, Junkai Lin, Youjia Zhang, Huipeng Guo, Rendong Liang, Jiale Xu, Jozef Hladký, Matthias Nießner, Yuanming Hu, Wei Yang,
• Abstract要約: トポロジ対応メッシュ生成のための因子化フローマッチングフレームワークであるLATO.2を提案する。 LATO.2は、幾何学的忠実度と接続性において最先端のトポロジ対応メッシュジェネレータを超越していることを示す。
• 参考スコア（独自算出の注目度）: 40.84100683808547
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow matching over carefully designed latent representations has recently emerged as a powerful paradigm for topology-aware mesh generation. Existing approaches, however, model vertices and connectivity jointly in a joint latent space, entangling continuous vertex geometry with discrete combinatorial structure; this complicates flow learning and manifests as drifting vertices and broken surfaces. We present LATO.2, a factorized flow matching framework that decomposes mesh generation into a vertex flow followed by a connectivity flow conditioned on the realized vertices, with both stages anchored to a shared coarse voxel scaffold. Dedicated VAEs underpin the two stages, recovering vertices at sub-voxel precision and embedding discrete connectivity into a continuous latent space. We demonstrate two advantages unique to this factorization: (i) part-wise generation, in which the scaffold is partitioned and each part synthesized at full latent capacity, yielding substantially higher-resolution meshes than a monolithic latent permits; and (ii) topology-adaptive editing, in which manipulating first-stage vertices induces the corresponding connectivity without re-optimization. Experiments show that LATO.2 surpasses state-of-the-art topology-aware mesh generators in geometric fidelity and connectivity quality.
• Abstract（参考訳）: 慎重に設計された潜在表現に対するフローマッチングは、最近トポロジ対応メッシュ生成の強力なパラダイムとして現れている。 しかし、既存のアプローチでは、連続頂点幾何学を離散的な組合せ構造に絡み合わせることで、モデルの頂点と接続が結合し、流れの学習と流れの頂点と壊れた曲面として表される。 本稿では, メッシュ生成を頂点流に分解し, 両ステージが共有された粗いボクセル足場に固定された, 実効頂点に条件付接続流を付加する分解フローマッチングフレームワークであるLATO.2を提案する。 VAEは2つの段階に根ざし、サブボクセル精度で頂点を回復し、離散接続を連続的な潜伏空間に埋め込む。 この分解に特有の2つの利点を示します。 一 足場を分割し、各部分を完全に潜水容量で合成し、モノリシック潜水器よりもかなり高分解能メッシュが得られる部分ワイズ発生、及び (II)第一段階の頂点を操作するトポロジ適応編集は、再最適化せずに対応する接続を誘導する。 実験の結果、LATO.2は幾何学的忠実度と接続性において最先端のトポロジ対応メッシュジェネレータを上回ることがわかった。

関連論文リスト

• TriFlow: Generating Artist-Like 3D Mesh Topology via Nearest-Vertex Vector Fields [72.76537377865192]
  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。
  論文  参考訳（メタデータ） (2026-06-18T11:55:00Z)
• MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation [53.06620176910962]
  MeshWeaverは、メッシュ生成を表面織布プロセスとして扱う自動回帰フレームワークである。 MeshWeaverは18%の最先端圧縮比を実現し、最大16K面のメッシュを生成することができ、以前のアプローチよりも幾何的忠実性を大幅に向上する。
  論文  参考訳（メタデータ） (2026-06-03T10:15:43Z)
• D-Convexity: A Unified Differentiable Convex Shape Prior via Quasi-Concavity for Data-driven Image Segmentation [5.445483153964301]
  凸性は、多くの自然および人造構造の基礎となる基本的な幾何学的先行である。 本稿では,ネットワークの出力マスク関数 u の準凸性に基づいて,統一された閾値のない凸性を提案する。 我々の分析は、離散1-0-1ライン制約から曲率や符号付き距離 Laplacian based level-set priors まで、以前の凸形状モデルの幅広いスペクトルを統一する。
  論文  参考訳（メタデータ） (2026-05-19T00:27:41Z)
• 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)
• CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation [11.447223770747051]
  CLR ContinuousWireは曲線をパラメトリック曲線としてエンコードし、パラメトリック曲線を連続的で固定された潜在空間に変換する。 この統一されたアプローチは幾何学と位相の両方を生成する。
  論文  参考訳（メタデータ） (2025-04-27T09:32:42Z)
• HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
  本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。 階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。 非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
  論文  参考訳（メタデータ） (2025-03-26T07:31:52Z)

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。