論文の概要: MegaParts: Scaling Part-Aware 3D Object Generation to 300 Parts via Token-Efficient Autoregressive Modeling
- arxiv url: http://arxiv.org/abs/2608.14783v1
- Date: Fri, 14 Aug 2026 18:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.079862
- Title: MegaParts: Scaling Part-Aware 3D Object Generation to 300 Parts via Token-Efficient Autoregressive Modeling
- Title（参考訳）: MegaParts:Token-Efficient Autoregressive Modelingによる部品認識3Dオブジェクト生成を300パーツに拡張
- Abstract要約: MegaPartsはスケーラブルな自動回帰3D生成フレームワークである。
最大300個の部品と256kのトークンのシーケンス長を持つオブジェクトにスケールする。
本手法は,ベースライン自己回帰モデルや拡散モデルよりも高いメッシュ品質を実現する。
- 参考スコア（独自算出の注目度）: 48.6816265114274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Part-aware 3D object generation is essential for graphics applications such as controllable modeling, editing, and articulation, where objects are represented as coherent assemblies of semantic parts. However, existing part-aware generation methods, do not scale well to highly complex objects. As the number of parts increases, generating detailed geometry becomes prohibitively expensive in token length and memory. We introduce MegaParts, a scalable autoregressive 3D generation framework to address this challenge by combining structured sequence modeling with a token-efficient vector-quantized shape tokenizer. Our tokenizer learns discrete latent representations for part-level geometry by minimizing token usage subject to high-fidelity reconstruction, enabling adaptive-length tokenization based on geometric complexity. On top of this compact representation, we train a large language model to generate object bounding boxes, part bounding boxes, and part shape tokens within a unified structured sequence. Combined with efficient long-context training strategy, our token-efficient formulation scales to objects with up to 300 parts and sequence lengths up to 256k tokens. This substantially extends the scale of part-aware 3D generation while preserving compositional structure and enabling fine-grained part-level control. Our method achieves higher mesh quality than baseline autoregressive and diffusion models, showing that compressed discrete part tokens improve not only scalability but also the achievable fidelity of generated geometry. These results suggest that LLM native token-efficient autoregressive modeling is a compelling alternative to diffusion for large-scale part-aware 3D generation. The project page is available at https://expmaster.github.io/megaparts_webpage.
- Abstract（参考訳）: パーシャルアウェアな3Dオブジェクト生成は、制御可能なモデリング、編集、調音といったグラフィクスアプリケーションにおいて必須であり、オブジェクトはセマンティック部分の一貫性のあるアセンブリとして表現される。
しかし、既存の部分認識生成手法は、非常に複雑なオブジェクトに対してうまくスケールしない。
部品数が増えるにつれて、トークンの長さやメモリにおいて、詳細な幾何学を生成するのは非常に高価になる。
本稿では,この課題に対処するスケーラブルな自己回帰型3D生成フレームワークであるMegaPartsを紹介した。
トークン化器は,高忠実度再構成によるトークン使用量を最小限に抑えることで,部分レベル幾何学の離散潜在表現を学習し,幾何学的複雑性に基づいた適応長トークン化を実現する。
このコンパクトな表現の上に、オブジェクト境界ボックス、部分境界ボックス、および部分形状トークンを統一された構造化シーケンス内で生成するために、大きな言語モデルを訓練する。
より効率的な長文学習戦略と組み合わせて、トークン効率のよい定式化は、最大300の部品と最大256kのトークンを持つオブジェクトにスケールする。
これにより、構成構造を保ちながら部品認識3D生成の規模を大幅に拡大し、きめ細かい部品レベルの制御を可能にする。
提案手法は, 圧縮された離散部分トークンがスケーラビリティだけでなく, 生成した幾何学の忠実度も向上することを示し, ベースライン自己回帰および拡散モデルよりもメッシュ品質を向上する。
これらの結果から, LLMネイティブトークン効率の自己回帰モデリングは, 大規模部分認識3D生成における拡散の代替となる可能性が示唆された。
プロジェクトのページはhttps://expmaster.github.io/megaparts_webpageで公開されている。
関連論文リスト
- LoST: Level of Semantics Tokenization for 3D Shapes [50.847769883816085]
State-of-the-artメソッドは、もともとレンダリングと圧縮のために設計された幾何学的なレベル・オブ・ディテール(LoD)階層に依存している。
本稿では,初期接頭辞が完全かつ可塑性な形状をデコードするように,サリエンスを指示するレベル・オブ・セマンティックス・トークン化(LoST)を提案する。
LoSTはSOTA再構成を実現し、幾何的および意味的再構成のメトリクスにおいて、従来のLoDベースの3次元形状トークン化器を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2026-03-18T17:56:06Z) - ArtLLM: Generating Articulated Assets via 3D LLM [19.814132638278547]
ArtLLMは、完全な3Dメッシュから直接高品質な調音資産を生成するための新しいフレームワークである。
コアとなるのは,大規模な調音データセットに基づいてトレーニングされた,3Dマルチモーダルな大規模言語モデルだ。
実験の結果,ArtLLMは部品配置精度と接合予測の両方で最先端の手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2026-03-01T15:07:46Z) - Part-X-MLLM: Part-aware 3D Multimodal Large Language Model [35.75184591224847]
Part-X-MLLMは、ネイティブな3Dマルチモーダルな大規模言語モデルである。
構造化された実行可能な文法でプログラムとして定式化することで、多様な3Dタスクを統一する。
論文 参考訳（メタデータ） (2025-11-17T17:59:52Z) - PartSAM: A Scalable Promptable Part Segmentation Model Trained on Native 3D Data [47.60227259482637]
大規模3次元データに基づいてトレーニングされた最初のプロンプト可能なパートセグメンテーションモデルであるPartSAMを提案する。
PartSAMはエンコーダ・デコーダアーキテクチャを採用しており、三面体をベースとしたデュアルブランチ・エンコーダが空間的に構造化されたトークンを生成する。
大規模監視を実現するために,500万以上の3次元形状部品対をキュレートしたループ型アノテーションパイプラインを導入する。
論文 参考訳（メタデータ） (2025-09-26T06:52:35Z) - X-Part: high fidelity and structure coherent shape decomposition [21.08914191612629]
X-Partは、総合的な3Dオブジェクトを意味論的に意味のある部分に分解するために設計された制御可能な生成モデルである。
X-Partは、部分生成のプロンプトとしてバウンディングボックスを使用し、意味のある分解のためにポイントワイドなセマンティック特徴を注入する。
この研究は、プロダクション対応、編集可能、構造的に健全な3Dアセットを作成するための新しいパラダイムを確立します。
論文 参考訳（メタデータ） (2025-09-10T14:37:02Z) - MeshLLM: Empowering Large Language Models to Progressively Understand and Generate 3D Mesh [79.20802127426003]
MeshLLMは、大規模言語モデル(LLM)を活用して、テキストシリアライズされた3Dメッシュを理解して生成するフレームワークである。
我々は3次元メッシュを構造的に意味のあるサブユニットに分割するプリミティブ・メシュ分解戦略を導入する。
実験により、MeshLLMはメッシュ生成の品質と形状理解の両方において最先端のLLaMA-Meshよりも優れていることが示された。
論文 参考訳（メタデータ） (2025-08-02T07:37:37Z) - 3D Part Segmentation via Geometric Aggregation of 2D Visual Features [57.20161517451834]
監督された3D部分分割モデルは、固定されたオブジェクトと部品のセットに合わせて調整されており、それらの転送可能性は、オープンセットの現実世界のシナリオに制限される。
近年、視覚言語モデル(VLM)を多視点レンダリングとテキストプロンプトを用いてオブジェクト部品の識別に活用する研究が進められている。
これらの制約に対処するために,視覚概念から抽出した意味論と3次元幾何学をブレンドし,対象部品を効果的に同定するCOPSを提案する。
論文 参考訳（メタデータ） (2024-12-05T15:27:58Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳（メタデータ） (2024-02-19T15:33:09Z) - Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。
本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文 参考訳（メタデータ） (2023-03-26T12:03:18Z)
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。