論文の概要: Hierarchical Flow Matching for 3D Point Cloud Generation

• arxiv url: http://arxiv.org/abs/2608.05557v1
• Date: Thu, 06 Aug 2026 03:23:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.815658
• Title: Hierarchical Flow Matching for 3D Point Cloud Generation
• Title（参考訳）: 3次元点雲生成のための階層的流れマッチング
• Abstract要約: 既存のフローベース手法は、訓練中に高価なODE解決とトレース推定を必要とする連続正規化フロー(CNF)に依存している。 本研究では,非条件の3次元点雲生成のための2レベル構造にフローマッチングを拡張する階層型フローマッチング(HFM)を提案する。 その結果、直列のOT経路は、1フローあたり15のEulerステップで効率的なサンプリングを可能にし、構造化された潜在空間は分類を含む下流タスクをサポートする。
• 参考スコア（独自算出の注目度）: 3.451986888321395
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating high-quality 3D point clouds requires capturing both global shape topology and local geometric details. Existing flow-based methods rely on continuous normalizing flows (CNFs) that demand expensive ODE solving and trace estimation during training, while diffusion models require hundreds of iterative denoising steps. Moreover, most approaches adopt single-level generation directly in point space, disregarding the hierarchical structure natural to 3D shapes. We propose Hierarchical Flow Matching (HFM) that extends flow matching to bilevel structure for unconditional 3D point cloud generation. HFM decomposes the task into two levels via optimal-transport flow matching: a \textit{Latent Flow Matching} models the global shape manifold in a compact latent space, and a \textit{Conditional Point Flow Matching} reconstructs detailed point clouds conditioned on the latent code. Both flows are trained with simple MSE regression losses. The resulting straight OT paths enable efficient sampling with as few as 15 Euler steps per flow, while the structured latent space supports downstream tasks including classification. Extensive experiments on ShapeNet and ModelNet benchmarks demonstrate that HFM achieves competitive or even best performance compared with prior state-of-the-art methods.
• Abstract（参考訳）: 高品質な3D点雲を生成するには、大域的な形状トポロジーと局所的な幾何学的詳細の両方を捉える必要がある。 既存のフローベース手法は、訓練中に高価なODE解決とトレース推定を必要とする連続正規化フロー(CNFs)に依存し、拡散モデルは数百の反復的復調ステップを必要とする。 さらに、ほとんどのアプローチは点空間で直接単層生成を採用し、3次元形状に自然な階層構造を無視している。 本研究では,非条件の3次元点雲生成のための2レベル構造にフローマッチングを拡張する階層型フローマッチング(HFM)を提案する。 HFMは最適な輸送フローマッチングによってタスクを2つのレベルに分解する: a \textit{Latent Flow Matching} はコンパクトな潜在空間における大域的な形状多様体をモデル化し、 a \textit{Conditional Point Flow Matching} は潜在符号に条件付けられた細かな点雲を再構成する。 両方の流れは単純なMSE回帰損失で訓練される。 その結果、直列のOT経路は、1フローあたり15のEulerステップで効率的なサンプリングを可能にし、構造化された潜在空間は分類を含む下流タスクをサポートする。 ShapeNetとModelNetベンチマークの大規模な実験は、HFMが従来の最先端の手法と比較して、競争力や最高の性能を達成していることを示している。

関連論文リスト

• Attention-Guided Flow-Matching for Sparse 3D Geological Generation [7.734651455015875]
  3D-GeoFlowは、スパースマルチモーダルな地質モデリングに適した最初のアテンションガイド型連続フローマッチングフレームワークである。 離散カテゴリー生成をシミュレーションのない連続ベクトル場回帰として再構成することにより、安定な決定論的最適輸送経路を確立する。 この枠組みを検証するため,2200件の手続き的に生成された3次元地質事例からなる大規模マルチモーダルデータセットをキュレートした。
  論文  参考訳（メタデータ） (2026-04-07T07:02:53Z)
• ATATA: One Algorithm to Align Them All [74.76451498236437]
  そこで本研究では,共振器モデルを用いた構造整合サンプルの接合推定のための新しいマルチモーダルアルゴリズムを提案する。 本稿では,画像,映像,3次元形状生成の領域への適用性について,最先端のベースラインを用いて検証し,編集ベースと共同推論ベースの競合手法との比較を行った。
  論文  参考訳（メタデータ） (2026-01-16T11:11:33Z)
• PUFM++: Point Cloud Upsampling via Enhanced Flow Matching [15.738247394527024]
  PUFM++は、スパース、ノイズ、部分的な観測から点雲を再構築するための拡張されたフローマッチングフレームワークである。 本稿では,まず,スパース入力から高密度ターゲットへ直進する直進経路の流れを学習し,次にノイズ摂動サンプルを用いて改良し,終端境界分布をよりよく近似する2段階フローマッチング手法を提案する。 合成ベンチマークと実世界のスキャンの実験は、PUFM++がポイントクラウドのアップサンプリングにおいて、新しい最先端の技術を設定していることを示している。
  論文  参考訳（メタデータ） (2025-12-24T06:30:42Z)
• Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
  Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。 Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
  論文  参考訳（メタデータ） (2025-06-24T17:58:02Z)
• Not-So-Optimal Transport Flows for 3D Point Cloud Generation [58.164908756416615]
  3次元点雲の生成モデルの学習は、3次元点雲の生成学習における根本的な問題の1つである。 本稿では,最近提案された同変OTフローを解析し,点ベース分子データに対する置換不変な生成モデルを学習する。 提案手法は, 広範囲な非条件生成および形状完備化において, 拡散および流動に基づく事前アプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-02-18T02:37:34Z)
• INRFlow: Flow Matching for INRs in Ambient Space [6.911507447184487]
  フローマッチングモデルは、まずデータ圧縮機を訓練し、その後、データ圧縮機の潜在空間でフローマッチング生成モデルを訓練する。 この2段階のパラダイムは、データドメイン全体にわたってモデルを統一するための障害を設定する。 InRFlowは、周辺空間で直接フローマッチング変換器を学習するためのドメインに依存しないアプローチである。
  論文  参考訳（メタデータ） (2024-12-05T01:00:07Z)
• Aero-Nef: Neural Fields for Rapid Aircraft Aerodynamics Simulations [1.1932047172700866]
  本稿では,メッシュ領域上での定常流体力学シミュレーションの代理モデルを学習する手法を提案する。 提案したモデルは, 異なる流れ条件に対して非構造領域に直接適用することができる。 顕著なことに、RANS超音速翼データセット上の高忠実度解法よりも5桁高速な推論を行うことができる。
  論文  参考訳（メタデータ） (2024-07-29T11:48:44Z)
• Consistency Flow Matching: Defining Straight Flows with Velocity Consistency [97.28511135503176]
  本稿では,速度場の自己整合性を明示する新しいFM法であるConsistency Flow Matching(Consistency-FM)を紹介する。 予備実験により、一貫性FMは、一貫性モデルよりも4.4倍速く収束することにより、トレーニング効率を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T16:15:37Z)
• Convolutional L2LFlows: Generating Accurate Showers in Highly Granular Calorimeters Using Convolutional Normalizing Flows [0.0]
  我々はL2LFlowsを拡張して、横方向の9倍のプロファイルでシャワーをシミュレートする。 畳み込み層とU-Net型接続を導入し,マスク付き自己回帰フローから結合層へ移行する。
  論文  参考訳（メタデータ） (2024-05-30T18:25:19Z)
• Let-It-Flow: Simultaneous Optimization of 3D Flow and Object Clustering [2.763111962660262]
  実大規模原点雲列からの自己監督型3次元シーンフロー推定の問題点について検討する。 重なり合うソフトクラスタと非重なり合う固いクラスタを組み合わせられる新しいクラスタリング手法を提案する。 本手法は,複数の独立移動物体が互いに近接する複雑な動的シーンにおける流れの解消に優れる。
  論文  参考訳（メタデータ） (2024-04-12T10:04:03Z)
• StarNet: Style-Aware 3D Point Cloud Generation [82.30389817015877]
  StarNetは、マッピングネットワークを使用して高忠実度および3Dポイントクラウドを再構築し、生成することができる。 我々のフレームワークは、クラウドの再構築と生成タスクにおいて、様々なメトリクスで同等の最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2023-03-28T08:21:44Z)
• PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
  本稿では,正規化フローを組み込んだPU-Flowについて述べる。 具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。 提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-13T07:45:48Z)
• Go with the Flows: Mixtures of Normalizing Flows for Point Cloud Generation and Reconstruction [98.38585659305325]
  正規化フロー(NF)は、3Dポイントクラウドのモデリングにおける最先端のパフォーマンスを示している。 この研究は、点雲にNFの混合物を適用することで、それらの表現力を高める。
  論文  参考訳（メタデータ） (2021-06-06T14:25:45Z)

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。