論文の概要: MeshQuery: Agentic Seam Planning for UV Parametrization

• arxiv url: http://arxiv.org/abs/2610.02507v1
• Date: Thu, 01 Oct 2026 21:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.092453
• Title: MeshQuery: Agentic Seam Planning for UV Parametrization
• Title（参考訳）: MeshQuery:UVパラメトリゼーションのためのエージェントシーム計画
• Abstract要約: MeshQueryは、プロダクショングレードのクワッドメッシュの自動アンラッピングに対する、トレーニング不要なエージェント的アプローチである。 Vision-Language Model (VLM) は、エッジ選択ツールのセットを使用してアーティストが連携するシームを計画している。 Adobe Substance 3DおよびToys4Kメッシュでは、MeshQueryは最強のベースラインよりも2.9x/4.29x少ないチャートと1.63x/1.7x短いシームを生成する。
• 参考スコア（独自算出の注目度）: 6.525213141888414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MeshQuery, a training-free agentic approach to automatic UV unwrapping of production-grade quad meshes. A Vision-Language Model (VLM) plans artist-aligned seams using a set of edge-selection tools, conditioned on domain-specific UV-unwrapping knowledge expressed in natural language and refined with a feedback loop. We design a queryable mesh representation together with a domain-specific language (DSL) that enables the agent to retrieve mesh information on demand, express a seam plan as a compact program of edge-selection operators over topological, geometric, and semantic mesh attributes, and iteratively refine it from UV quality feedback. On Adobe Substance 3D and Toys4K meshes, MeshQuery produces 2.9x/4.29x fewer charts and 1.63x/1.7x shorter seams than the strongest baseline, and professional artists prefer its results in 80.9% of comparisons. Ultimately, decoupling high-level intent planning from low-level edge selection and compact mesh representation lets MeshQuery run on different backend VLMs and scale to meshes an order of magnitude larger than autoregressive seam prediction
• Abstract（参考訳）: プロダクショングレードのクワッドメッシュの自動解離のための,トレーニング不要なエージェントアプローチであるMeshQueryを提案する。 Vision-Language Model (VLM)は、自然言語で表現され、フィードバックループで洗練されるドメイン固有のUVアンラッピング知識に基づいて、エッジ選択ツールのセットを使用して、アーティストによるシームを計画する。 本稿では,ドメイン固有言語(DSL)とともにクエリ可能なメッシュ表現を設計し,要求に応じてメッシュ情報を検索し,トポロジ的,幾何学的,セマンティックメッシュ属性上でエッジ選択演算子のコンパクトプログラムとしてシームプランを表現し,紫外線品質フィードバックから繰り返し改良する。 Adobe Substance 3DとToys4Kメッシュでは、MeshQueryは最強のベースラインよりも2.9x/4.29x少ないチャートと1.63x/1.7x短いシームを生成しており、プロのアーティストはその結果を80.9%で好んでいる。 最終的に、低レベルのエッジ選択とコンパクトメッシュ表現から高レベルのインテントプランニングを分離することで、MeshQueryは異なるバックエンドのVLM上で動作し、自動回帰的なシーム予測よりも桁違いの大きさのメッシュにスケールすることができる。

関連論文リスト

• Semantic Segmentation of Textured Non-manifold 3D Meshes using Transformers [1.0650780147044159]
  本稿では,各メッシュ面に関連付けられた生画素から直接学習するテクスチャ対応トランスフォーマーを提案する。 テクスチャブランチは、すべての顔レベルのピクセルを、幾何学的記述子で融合した学習可能なトークンに要約する。 本研究では,SUM(Semantic Urban Meshes)ベンチマークと新たに収集した文化遺産データセットを用いて,そのモデルを評価する。
  論文  参考訳（メタデータ） (2026-04-02T09:50:10Z)
• Unsupervised Representation Learning for 3D Mesh Parameterization with Semantic and Visibility Objectives [1.2110331500527989]
  本稿では,標準的な幾何学保存型UV学習を意味的および可視性に配慮した目的で強化する,教師なし微分可能なフレームワークを提案する。 提案手法は, テクスチャ生成を支援し, 知覚可能なシームアーティファクトを低減できる紫外線アトラスを生成する。
  論文  参考訳（メタデータ） (2025-09-29T17:28:58Z)
• HexPlane Representation for 3D Semantic Scene Understanding [30.981224729759607]
  3次元セマンティックシーン理解のためのHexPlane表現 6つの平面の特徴は2Dエンコーダによって抽出され、ヘックスプランアソシエーションモジュールに送られる。 メソッドは既存のvoxelベース、ポイントベース、レンジベースアプローチにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-03-07T04:18:55Z)
• Mosaic3D: Foundation Dataset and Model for Open-Vocabulary 3D Segmentation [92.17176311351469]
  我々は、新しいデータ生成パイプラインとトレーニングフレームワークを導入することで、オープンな3Dシーン理解に取り組む。 本手法は, 正確な3次元領域分割, 包括的テキスト記述, 十分なデータセットスケールの3つの重要な要件に対処する。 このパイプラインを複数の3Dシーンデータセットに適用すると、Mosaic3D-5.6Mが生成される。
  論文  参考訳（メタデータ） (2025-02-04T18:18:50Z)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
  本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。 提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。 不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
  論文  参考訳（メタデータ） (2022-10-09T13:38:48Z)
• Point-M2AE: Multi-scale Masked Autoencoders for Hierarchical Point Cloud Pre-training [56.81809311892475]
  Masked Autoencoders (MAE) は、言語と2次元画像変換器の自己教師付き事前学習において大きな可能性を示している。 我々は3次元点雲の階層的自己教師型学習のための強力なマルチスケールMAE事前学習フレームワークであるPoint-M2AEを提案する。
  論文  参考訳（メタデータ） (2022-05-28T11:22:53Z)
• Text2Mesh: Text-Driven Neural Stylization for Meshes [18.435567297462416]
  筆者らのフレームワークText2Meshは,対象のテキストプロンプトに適合する色や局所的な幾何学的詳細を予測することにより,3Dメッシュをスタイリングする。 ニューラルネットワークと結合した固定メッシュ入力(コンテンツ)を用いた3次元物体の非交叉表現をニューラルネットワークと呼ぶ。 スタイルを変更するために、CLIPの表現力を利用してテキストプロンプト(記述スタイル)とスタイル化されたメッシュの類似度スコアを得る。
  論文  参考訳（メタデータ） (2021-12-06T18:23:29Z)

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。