論文の概要: PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation

• arxiv url: http://arxiv.org/abs/2607.27729v1
• Date: Thu, 30 Jul 2026 06:09:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.419942
• Title: PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation
• Title（参考訳）: PrintAnything: 3DプリンティングGコード生成のための中間表現学習
• Authors: Sangmin Hong, Daniel Sungho Jung, Heewon Kim, Kyoung Mu Lee,
• Abstract要約: 既存の3Dプリンティングパイプラインの多くは、水密メッシュを入力として必要としており、製造にポイントクラウドを直接使用するのを防いでいる。 我々は、3Dポイントクラウドから直接実行可能な3DプリンティングGコードを生成することを学習する新しいフレームワークであるPrintAnythingを提案する。 提案手法は点雲から直接プリント可能なG符号を正確に生成し、3Dプリンティングのための実用的で完全なメッシュフリーパイプラインを実現する。
• 参考スコア（独自算出の注目度）: 55.17895662302656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point clouds are one of the most fundamental and widely used 3D representations, serving as the most basic geometric representation of 3D shapes. Nevertheless, most existing 3D printing pipelines require a watertight mesh as input, preventing the direct use of point clouds for fabrication. A common workaround is to reconstruct meshes from point clouds; however, the resulting meshes often contain geometric artifacts, such as incorrect faces or topological inconsistencies, that are difficult to repair and may lead to printing failures. To overcome these limitations, we propose PrintAnything, a novel framework that learns to produce executable 3D printing G-code directly from 3D point clouds without requiring mesh reconstruction. To enable point clouds to serve as direct input for slice-wise toolpath generation, we introduce a slice-wise point projection strategy that transforms unstructured 3D point clouds into slice-aligned 2D representations consistent with layer-by-layer nature of fused deposition modeling in 3D printing. To eliminate mesh dependency and provide a unified representation that bridges point clouds and G-code, we propose Geometric plan (G-plan) map, a compact 2D representation composed of occupancy, region, and flow maps that encode the geometric and extrusion properties required for toolpath synthesis in 3D printing. As a result, our proposed method accurately generates printable G-code directly from point clouds, enabling a practical and fully mesh-free pipeline for 3D printing. The code is publicly available at \href{https://github.com/Sangminhong/PrintAnything}{https://github.com/Sangminhong/PrintAnything}.
• Abstract（参考訳）: 点雲は最も基本的で広く使われている3次元表現の1つであり、3次元形状の最も基本的な幾何学的表現として機能する。 それにもかかわらず、既存の3Dプリンティングパイプラインのほとんどは、水密メッシュを入力として必要としており、点雲の直接の使用を防止している。 一般的な回避策は、点雲からメッシュを再構築することであるが、結果として得られるメッシュには、しばしば不正確な顔やトポロジカルな不整合などの幾何学的アーティファクトが含まれており、修復が困難であり、印刷失敗につながる可能性がある。 このような制約を克服するために,メッシュ再構築を必要とせず,3次元の点群から直接実行可能な3DプリンティングGコードを生成することを学習する,新しいフレームワークであるPrintAnythingを提案する。 スライスワイズツールパス生成のための直接入力としてポイントクラウドを実現するために,非構造化3Dポイントクラウドを3Dプリンティングにおける融合沈着モデリングの層間特性に整合したスライス整列2D表現に変換するスライスワイズワイズポイントプロジェクション戦略を導入する。 メッシュ依存を解消し,点雲とG符号をブリッジする統一表現を提供するために,3Dプリンティングにおいてツールパス合成に必要な幾何学的・押出特性を符号化する,占有率,領域,フローマップからなるコンパクトな2次元表現である幾何計画(G-plan)マップを提案する。 その結果,本提案手法は点雲から直接プリント可能なGコードを生成することができ,実用的で完全なメッシュフリーな3Dプリンティングパイプラインを実現することができる。 コードは \href{https://github.com/Sangminhong/PrintAnything}{https://github.com/Sangminhong/PrintAnything} で公開されている。

関連論文リスト

• Deep Geometric Moments Promote Shape Consistency in Text-to-3D Generation [27.43973967994717]
  MT3Dは高忠実度3Dオブジェクトを利用して視点バイアスを克服するテキスト・ツー・3D生成モデルである。 3Dアセットから幾何学的詳細を取り入れることで、MT3Dは多様で幾何学的に一貫したオブジェクトを作成することができる。
  論文  参考訳（メタデータ） (2024-08-12T06:25:44Z)
• Points-to-3D: Bridging the Gap between Sparse Points and Shape-Controllable Text-to-3D Generation [16.232803881159022]
  本稿では,スパースで自由な3Dポイントとリアルな形状制御可能な3D生成とのギャップを埋めるために,Points-to-3Dのフレキシブルなフレームワークを提案する。 Points-to-3Dの基本的な考え方は、テキストから3D生成を導くために制御可能なスパース3Dポイントを導入することである。
  論文  参考訳（メタデータ） (2023-07-26T02:16:55Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
  StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。 対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。 本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T18:49:50Z)
• Deep Hybrid Self-Prior for Full 3D Mesh Generation [57.78562932397173]
  本稿では,深部ニューラルネットワークにおける2D-3Dのハイブリッドな自己優先性を利用して,幾何学的品質を著しく向上する手法を提案する。 特に,まず3次元自己優先型3次元畳み込みニューラルネットワークを用いて初期メッシュを生成し,次いで2次元紫外線アトラスに3次元情報と色情報をエンコードする。 本手法は,スパース入力から高品質な3次元テクスチャメッシュモデルを復元し,テクスチャ品質とテクスチャ品質の両面で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-08-18T07:44:21Z)
• ParaNet: Deep Regular Representation for 3D Point Clouds [62.81379889095186]
  ParaNetは、3Dポイントクラウドを表現するための新しいエンドツーエンドのディープラーニングフレームワークである。 不規則な3D点雲を通常の2Dカラー画像に変換する。 多視点投影とボキセル化に基づく従来の正規表現法とは異なり、提案した表現は微分可能で可逆である。
  論文  参考訳（メタデータ） (2020-12-05T13:19:55Z)
• Learning geometry-image representation for 3D point cloud generation [5.3485743892868545]
  本稿では、3次元点雲生成問題を2次元幾何画像生成問題に変換するための新しい幾何画像ベースジェネレータ(GIG)を提案する。 剛性および非剛性な3次元オブジェクトデータセットの実験により,本手法の有望な性能を実証した。
  論文  参考訳（メタデータ） (2020-11-29T05:21:10Z)

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。