論文の概要: Hi-TOPS: Hierarchical Topology-aware Scoring Prior for 3D Part Decomposition
- arxiv url: http://arxiv.org/abs/2608.00767v1
- Date: Sat, 01 Aug 2026 17:00:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.903912
- Title: Hi-TOPS: Hierarchical Topology-aware Scoring Prior for 3D Part Decomposition
- Title（参考訳）: Hi-TOPS:3次元分割に先立つ階層的トポロジ-アウェアスコーリング
- Abstract要約: Hi-TOPSは階層型トポロジ対応のScoring Priorである。
多解像度フローフリーズ場に相補的な内在的キューを集約する。
セマンティックな監督や2Dファンデーションなしで、安定的で編集可能な分解を提供する。
- 参考スコア（独自算出の注目度）: 16.159550352097682
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate 3D part decomposition requires separating shapes into structurally meaningful components with precise boundaries while preserving articulation seams and thin attachments. Existing approaches often suffer from a structural-scale mismatch: geometric evidence for separation is most reliable at the meso scale, yet many pipelines operate either too globally to respect joints or too locally to remain robust to noise. We propose Hi-TOPS, a Hierarchical Topology-aware Scoring Prior that aggregates complementary intrinsic cues into a multi-resolution Flow-Freeze field. Flow regions provide expandable support for primitive coverage, while Freeze regions restrict growth near articulations and thin structures. A TSDF-guided body-surface superquadric fitter then captures dominant cores and residual surface structures, followed by SQ-to-mesh assignment for connected, boundary-aligned parts. Across diverse benchmarks, Hi-TOPS delivers stable, editable decompositions without semantic supervision or 2D foundation priors.
- Abstract（参考訳）: 正確な3D部分分解には、形状を正確な境界を持つ構造的に意味のある構成要素に分割し、調音シームと細いアタッチメントを保存する必要がある。
既存のアプローチは、しばしば構造的なスケールのミスマッチに悩まされる: メソスケールでの分離の幾何学的証拠は最も信頼性が高いが、多くのパイプラインは、ジョイントを尊重するには世界規模が多すぎるか、ノイズに対して頑健であるために局所的に運用されている。
多分解能フローフリーズ場に相補的な内在的手がかりを集約する階層型トポロジ対応 Scoring Prior である Hi-TOPS を提案する。
フロー領域はプリミティブカバレッジの拡張可能なサポートを提供し、フリーズ領域は調音や細い構造の近くでの成長を制限する。
TSDF誘導体表面のスーパークアッドリックフィッターは、次いで支配的なコアと残留表面構造を捕捉し、続いて接続された境界整合部分に対するSQ-to-mesh割り当てを行う。
多様なベンチマークを通じて、Hi-TOPSはセマンティックな監督や2Dファンデーションの先行なしに安定的で編集可能な分解を提供する。
関連論文リスト
- HiSfM: Disambiguating Structure-from-Motion via Scaffold-Anchored Hierarchical Reconstruction [24.040776393056742]
階層的な粗いSfMフレームワークであるHiSfMについて述べる。
あいまいさに重点を置くベンチマークと一般的なデータセットに関する実験は、HiSfMがあいまいさによって引き起こされる障害を防ぐことを示している。
論文 参考訳（メタデータ） (2026-09-04T04:41:24Z) - 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) - Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection [22.176584838343604]
ArtiADは3D異常検出のための最初の大規模ベンチマークである。
SPA-SDF(Shape-Pose-Aware Signed Distance Field)を提案する。
SPA-SDFは、目に見える構成で0.884のオブジェクトレベルAUROC、目に見えない構成で0.874を達成し、全ての剛性ベースのベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2026-04-29T16:35:26Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - TopoOR: A Unified Topological Scene Representation for the Operating Room [54.50897207203292]
手術シーングラフは外科手術室(OR)の複雑さを実体の構造とその関連性に抽象化する。
マルチモーダルな手術室を高次構造としてモデル化する新しいパラダイムであるTopoORを紹介する。
また,多様体の構造やモジュラリティに特有な特徴を明示的に保存する高次アテンション機構を提案する。
論文 参考訳（メタデータ） (2026-03-10T10:19:42Z) - UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents [21.86068927019046]
分解可能で構造化された3D合成を必要とするアプリケーションには、部分レベル3D生成が不可欠である。
既存の手法では、粒度制御の制限のある暗黙的な部分のセグメンテーションに依存するか、あるいは大きな注釈付きデータセットでトレーニングされた強力な外部セグメンタに依存する。
画像誘導部分レベル3D生成のための2段階遅延拡散フレームワークUniPartを紹介する。
論文 参考訳（メタデータ） (2025-12-10T09:04:12Z) - Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective [8.276620253870338]
ポイント雲の完成は、部分的な観測から完全な3次元形状を再構築することを目的としている。
ほとんどのメソッドは、いまだにCompletion-by-Inpaintingパラダイムに従っている。
完全形状から始まるコンプリーション・バイ・コレクション(Completion-by-Correction)を提案する。
論文 参考訳（メタデータ） (2025-11-15T11:51:13Z) - 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) - Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction [61.484280369655536]
カメラを用いた3Dセマンティック占領予測(SOP)は、限られた2次元画像観察から複雑な3Dシーンを理解するのに不可欠である。
既存のSOPメソッドは通常、占有表現学習を支援するためにコンテキストの特徴を集約する。
より正確なSOP(Hi-SOP)のための新しい階層型コンテキストアライメントパラダイムを導入する。
論文 参考訳（メタデータ） (2024-12-11T09:53:10Z) - Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。
我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
論文 参考訳（メタデータ） (2024-09-29T22:20:32Z) - Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。
本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
論文 参考訳（メタデータ） (2023-07-16T10:07:15Z)
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。