論文の概要: SeamGen: Artist-Aligned UV Seam Generation via Graph Flow Matching

• arxiv url: http://arxiv.org/abs/2607.12379v1
• Date: Tue, 14 Jul 2026 05:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.045971
• Title: SeamGen: Artist-Aligned UV Seam Generation via Graph Flow Matching
• Title（参考訳）: SeamGen:グラフフローマッチングによるアーティスト対応UVシーム生成
• Abstract要約: SeamGenはUVシーム生成のための生成モデルであり、アーティストの好みやプロダクション要件に合わせている。 SeamGenは、プロのシームレイアウトデータから事前情報を学習することで、アーティストが指定した好みに合わせてUVレイアウトを生成する。
• 参考スコア（独自算出の注目度）: 47.43404509262908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: UV seam placement is a critical yet labor-intensive step in 3D content creation, requiring artists to balance chart shape, seam concealment, and alignment with semantic and geometric features. Existing automatic methods are primarily based on per-object optimization, relying on handcrafted objectives to avoid distortion or on proxies from pretrained models to inject semantic information. However, these strategies are not always well aligned with seams used in industrial production pipelines, often resulting in layouts that deviate from artist-preferred seam patterns and practical production requirements. To address these limitations, we propose SeamGen, a generative model for UV seam generation that aligns with artist preferences and production requirements. Instead of depending on manually designed objectives and constraints, SeamGen learns the distribution of per-edge seam labels from a large corpus of existing seam layouts using a flow-matching generative model. A key challenge is that typical Transformer architectures used in flow matching models are designed for sequential representations, such as point clouds, and cannot naturally account for mesh topology. To enable mesh-native learning, we design a Mesh Transformer backbone that interleaves local graph attention over mesh edges with global self-attention across vertices, capturing both fine-grained geometric cues and long-range topological coherence. To further improve inference-time controllability and quality, we exploit the training-free inpainting capability of flow models for both localized seam refinement and constraint-guided seam generation. Extensive experiments show that by learning priors from professional seam layout data, SeamGen produces UV layouts that better align with artist-authored preferences and achieve superior perceptual quality compared with distortion-based and semantic-proxy baselines.
• Abstract（参考訳）: UVシーム配置は、アーティストがチャートの形状、シームの隠蔽、意味的および幾何学的特徴との整合性、といった3Dコンテンツ作成において、重要かつ労働集約的なステップである。 既存の自動手法は、主にオブジェクトごとの最適化に基づいており、歪みを避けるために手作りの目的や、事前訓練されたモデルからのプロキシを使って意味情報を注入している。 しかし、これらの戦略は産業生産パイプラインで使用されるシームと必ずしも一致しないため、しばしばアーティストが推奨するシームパターンと実用的な生産要求から逸脱するレイアウトをもたらす。 これらの制約に対処するため,我々は,アーティストの好みや製作要件に合わせたUVシーム生成の生成モデルSeamGenを提案する。 手動で設計した目的や制約に頼る代わりに、SeamGenはフローマッチング生成モデルを使用して、既存のシームレイアウトの大きなコーパスからエッジシームラベルの分布を学習する。 フローマッチングモデルで使用される典型的なTransformerアーキテクチャは、ポイントクラウドのようなシーケンシャルな表現のために設計されており、メッシュトポロジを自然に説明できない。 メッシュネイティブな学習を可能にするために,メッシュエッジ上の局所グラフ注意を頂点を越えたグローバルな自己注意でインターリーブするメッシュトランスフォーマーのバックボーンを設計し,詳細な幾何学的手がかりと長距離トポロジ的コヒーレンスの両方をキャプチャする。 予測時間制御性と品質をさらに向上するため,局所的なシーム精錬と制約誘導シーム生成の両面において,フローモデルのトレーニング不要な塗装能力を利用する。 大規模な実験により、SeamGenは、プロのシームレイアウトデータから事前学習を行うことで、アーティストが指定した好みと整合し、歪みベースのベースラインやセマンティックプロキシベースのベースラインよりも優れた知覚品質を実現するUVレイアウトを生成する。

関連論文リスト

• DreamUV: Unwrap Artist-like UV by End-to-End Flow Matching [16.305062860577557]
  本稿では,UVアンラッピングを生成フローマッチング問題として定式化する,エンドツーエンドの学習フレームワークであるDreamUVを紹介する。 専門的なUVレイアウトの大規模データセット上でDreamUVを評価する。
  論文  参考訳（メタデータ） (2026-06-21T11:41:32Z)
• 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)
• Strips as Tokens: Artist Mesh Generation with Native UV Segmentation [84.90920018424036]
  Strips as Tokens (SATO) は三角形のストリップにインスパイアされたトークン注文戦略を持つ新しいフレームワークである。 本手法は,UV境界を明示的に符号化した面の連結連鎖として配列を構成することにより,組織化されたエッジフローを自然に保存する。 この定式化の鍵となる利点は統一表現であり、同じトークン列を三角形または四辺メッシュに復号することができる。
  論文  参考訳（メタデータ） (2026-04-10T09:13:09Z)
• MeshTailor: Cutting Seams via Generative Mesh Traversal [11.174459652257218]
  3次元表面上のエッジアライメントシームを合成する最初のメッシュネイティブな生成フレームワークであるMeshTailorを紹介する。 従来の最適化ベースや外部学習ベースの方法とは異なり、MeshTailorはメッシュグラフ上で直接動作し、プロジェクションアーティファクトや脆弱なスナッピングを排除している。
  論文  参考訳（メタデータ） (2026-03-28T15:30:24Z)
• SeamCrafter: Enhancing Mesh Seam Generation for Artist UV Unwrapping via Reinforcement Learning [17.67515163123214]
  我々は、ポイントエンコーダ入力に条件付き自己回帰GPTスタイルのシームジェネレータであるSeamCrafterを紹介する。 SeamCrafterは、従来のアプローチよりも歪みや断片化が著しく低いシームを生成する。
  論文  参考訳（メタデータ） (2025-09-25T03:58:59Z)
• MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly [62.48017648785026]
  MeshMosaicは,100K以上の三角形にスケールするアーティストメッシュ生成のための,新たなローカル・グローバルなフレームワークである。 MeshMosaicは,幾何学的忠実度とユーザの好みの両方において,最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-09-24T11:02:03Z)
• Auto-Regressive Surface Cutting [16.593710516134472]
  プロのモデルを模倣して切り目を生成する自動再スキャンモデルSeamGPTを紹介する。 本手法は, 多様体および非多様体メッシュを含むUVアンラッピングベンチマークにおいて, 例外的な性能を実現する。 部品分解のためのクリーンなバウンダリを提供することで、既存の3Dセグメンテーションツールを強化する。
  論文  参考訳（メタデータ） (2025-06-22T12:53:07Z)
• Towards Aligned Layout Generation via Diffusion Model with Aesthetic Constraints [53.66698106829144]
  広い範囲のレイアウト生成タスクを処理する統一モデルを提案する。 このモデルは連続拡散モデルに基づいている。 実験結果から,LACEは高品質なレイアウトを生成することがわかった。
  論文  参考訳（メタデータ） (2024-02-07T11:12:41Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)

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。