論文の概要: Meshy T2: Fast Native Mesh Generation with Flow Matching
- arxiv url: http://arxiv.org/abs/2607.28675v1
- Date: Tue, 28 Jul 2026 16:33:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.364356
- Title: Meshy T2: Fast Native Mesh Generation with Flow Matching
- Title（参考訳）: Meshy T2: フローマッチングによる高速なネイティブメッシュ生成
- Abstract要約: フローマッチングに基づいて構築された高速なネイティブメッシュ生成フレームワークであるMeshy T2を紹介する。
実験では、Meshy T2は最先端の幾何学的忠実性を達成し、中央値6秒でエンドツーエンドの画像・メシュ生成を完了する。
- 参考スコア（独自算出の注目度）: 8.108033268825832
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Polygonal meshes are the standard surface representation of modern 3D pipelines, and generating high-quality meshes with artist-style topology is essential for film, gaming, and interactive 3D applications. Mainstream approaches serialize a mesh into a token sequence and decode it autoregressively, which is slow at inference and sensitive to error accumulation, making them impractical for interactive asset creation. We present Meshy T2, a fast native mesh generation framework built on flow matching. At its core is a vertex-set mesh VAE that encodes a mesh into one continuous latent token per vertex and decodes vertices, edge connectivity, and face winding order in a single pass, preserving high-precision geometry and artist-authored topology without vertex quantization or welding. Generation proceeds as a coarse-to-fine cascade of two flow-matching models: an image-conditioned voxel flow first sketches the overall shape as a coarse occupancy scaffold, and a mesh flow then populates the scaffold with per-vertex latent tokens, conditioned on the image, the scaffold, and a requested vertex budget. This design delivers three practical capabilities: interactive generation speed through parallel flow-based synthesis; effective face-count control through the requested vertex budget; and native support for multi-part assets, whose components emerge directly from the generated connectivity. In our experiments, Meshy T2 achieves state-of-the-art geometric fidelity and completes end-to-end image-to-mesh generation within a median of 6 seconds, over an order of magnitude faster than autoregressive baselines. Code and weights will be available at https://github.com/meshy-dev/meshy-t2.
- Abstract（参考訳）: ポリゴンメッシュは現代の3Dパイプラインの標準的な表面表現であり、アーティストスタイルのトポロジーで高品質なメッシュを生成することは、フィルム、ゲーム、インタラクティブな3Dアプリケーションに不可欠である。
Mainstreamは、メッシュをトークンシーケンスにシリアライズし、それを自己回帰的にデコードする。
フローマッチングに基づいて構築された高速なネイティブメッシュ生成フレームワークであるMeshy T2を紹介する。
中心となるのは、頂点ごとにメッシュを1つの連続潜在トークンにエンコードし、頂点、エッジ接続、フェイスウィンディング順序を1つのパスで復号し、頂点量子化や溶接なしに高精度な幾何学とアーティストによる位相を保存する頂点セットメッシュVAEである。
画像条件のボクセルフローは、まず粗い占有足場として全体形状をスケッチし、メッシュフローは、画像、足場、要求された頂点予算に条件付けられた頂点単位の遅延トークンで足場をポップアップさせる。
この設計では、並列フローベースの合成によるインタラクティブな生成速度、要求された頂点予算による効果的な対数制御、生成した接続から直接コンポーネントが現れるマルチパートアセットのネイティブサポートの3つの実用的な機能を提供している。
我々の実験では、Meshy T2は最先端の幾何学的忠実性を達成し、中央値の6秒以内で、自己回帰ベースラインよりも桁違いに高速に、エンドツーエンドのイメージ・ツー・メシュ生成を完了させる。
コードとウェイトはhttps://github.com/meshy-dev/meshy-t2.comで入手できる。
関連論文リスト
- Nexus: Native Mesh Generation with Diffusion [42.84943999520515]
分離およびトポロジ生成による全体論メッシュ生成を実現する拡散法であるNexusを提案する。
提案手法は,最先端の自己回帰と2段階のベースラインより優れる。
3D実践者による盲目のユーザスタディは、この結果に対する強い好意を裏付けるものだ。
論文 参考訳（メタデータ） (2026-07-15T08:04:46Z) - LATO.2: Factorized 3D Mesh Generation with Vertex and Topology Flow [40.84100683808547]
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。
論文 参考訳（メタデータ） (2026-07-12T07:38:06Z) - 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) - MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer [82.3429532054028]
MeshFlowは、アーティストのような3Dメッシュを生成する新しい方法だ。
我々のモデルは最速のARジェネレータより18倍速くメッシュを生成する。
論文 参考訳（メタデータ） (2026-06-03T08:57:15Z) - FastMesh: Efficient Artistic Mesh Generation via Component Decoupling [27.21354509059262]
メッシュ生成アプローチは通常、三角形メッシュをトークンのシーケンスにトークン化し、これらのトークンをシーケンシャルに生成するように自動回帰モデルを訓練する。
この冗長性は、過度に長いトークンシーケンスと非効率な生成プロセスをもたらす。
本稿では,頂点と面を別々に扱うことにより,芸術的メッシュを生成する効率的な枠組みを提案する。
論文 参考訳（メタデータ） (2025-08-26T16:51:02Z) - MeshCraft: Exploring Efficient and Controllable Mesh Generation with Flow-based DiTs [79.45006864728893]
MeshCraftは、効率的かつ制御可能なメッシュ生成のためのフレームワークである。
連続的な空間拡散を用いて、離散的な三角形の面を生成する。
800面のメッシュを3.2秒で生成できる。
論文 参考訳（メタデータ） (2025-03-29T09:21:50Z) - MeshPad: Interactive Sketch-Conditioned Artist-Reminiscent Mesh Generation and Editing [64.84885028248395]
MeshPadは、スケッチ入力から3Dメッシュを生成するジェネレーティブなアプローチである。
我々は、メッシュの領域の"削除"に編集を分解し、新しいメッシュ幾何学の"追加"に続き、一貫した編集を可能にすることに重点を置いている。
提案手法は,メッシュ三角形の追加と削除のために,大規模なTransformerモデルを利用した三角形列に基づくメッシュ表現に基づいている。
論文 参考訳（メタデータ） (2025-03-03T11:27:44Z) - MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization [65.15226276553891]
MeshAnything V2はArtist-Created Meshを作成するために設計された高度なメッシュ生成モデルである。
MeshAnything V2の背後にある重要なイノベーションは、新しいAdjacent Mesh Tokenization(AMT)メソッドです。
論文 参考訳（メタデータ） (2024-08-05T15:33:45Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z)
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。