論文の概要: Physics-based Sphere Packing for Lagrangian Mesh Morphing

• arxiv url: http://arxiv.org/abs/2610.08880v1
• Date: Tue, 06 Oct 2026 08:01:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.523209
• Title: Physics-based Sphere Packing for Lagrangian Mesh Morphing
• Title（参考訳）: ラグランジアンメッシュモルフィングのための物理に基づく球充填
• Abstract要約: 本稿では,四面体メッシュを微分可能シミュレーションと計算設計のためのボディ表現として研究する。 本稿では,体積メッシュおよびモーフィングのための物理ベースのスフィアパッケージフレームワークであるJamTetを紹介する。
• 参考スコア（独自算出の注目度）: 6.587408438227861
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies tetrahedral meshes as the body representation for differentiable simulation and computational design. Fixed-connectivity meshes degrade under large morphs, while remeshing from scratch discards node correspondence. We present JamTet, a physics-based sphere-packing framework for volumetric meshing and morphing. We contribute (i) a GPU-parallel mesher combining octree-hierarchical packing with constrained Delaunay tetrahedralization, producing more uniform element volumes than TetGen and fTetWild; (ii) Lagrangian mesh morphing that preserves interior-node identities by re-equilibrating the same spheres within changing shapes and rebuilding the boundary and connectivity, remaining inversion-free where fixed-connectivity and TetSphere meshes invert; and (iii) a differentiable GPU simulator in JAX, with mass-spring edges and a volumetric Neo-Hookean term, integrated with mesh morphing in a design pipeline. In soft-robot morphology design experiments, interior-node gradients improve swimming fitness by 0.73-1.07 over a matched surface-only variant, while voxelized versions of the same designs yield 32-63% lower fitness. These results establish sphere packing as a practical volumetric mesh representation for gradient-based shape optimization. Code and media: under review.
• Abstract（参考訳）: 本稿では,四面体メッシュを微分可能シミュレーションと計算設計のためのボディ表現として研究する。 固定接続メッシュは大きな形態で劣化し、スクラッチからリメッシングはノード対応を捨てる。 本稿では,体積メッシュおよびモーフィングのための物理ベースのスフィアパッケージフレームワークであるJamTetを紹介する。 コントリビューション (i)Octree-hierarchical packingと制約付きDelaunay四面体化を組み合わせたGPU並列メッシュで、TetGenやfTetWildよりも均一な要素ボリュームを生成する。 二 内部ノードの同一性を維持するラグランジアンメッシュの変形であって、同一の球体を形を変えて境界と接続を再構築し、固定接続性及びTetSphereメッシュが反転した場合に、反転のないまま残すものであること。 3)JAXのGPUシミュレータで,マススプリングエッジとNeo-Hookeanの容積項を設計パイプラインのメッシュモーフィングに統合した。 ソフトロボットのモルフォロジー設計実験では、内部ノード勾配は、マッチした表面のみの変種よりも0.73-1.07の水泳適性を向上し、同じ設計のボキセル化バージョンでは32-63%の低適合性が得られる。 これらの結果は、勾配に基づく形状最適化のための実用的な体積メッシュ表現としてスフィアパッキングを確立する。 コードとメディア: レビュー中。

関連論文リスト

• HoloTetSphere: Unified TetSphere Mesh Reconstruction for Physical Simulations [16.69225871436957]
  本稿では, 終端位相および幾何最適化による全体的四面体メッシュ再構成のためのトポロジ適応フレームワークを提案する。 提案手法は,より優れた幾何精度を実現し,コヒーレントな単連結四面体メッシュを創出することにより,最先端技術より優れる。
  論文  参考訳（メタデータ） (2026-07-09T12:21:43Z)
• MAVEN: A Mesh-Aware Volumetric Encoding Network for Simulating 3D Flexible Deformation [19.823720646058074]
  MAVENは3次元フレキシブルな変形をシミュレートするためのメッシュ対応ボリューム符号化ネットワークである。 幾何パターンを暗黙的に学習する負担を軽減するために、明示的な幾何学的特徴がモデルに組み込まれている。 その結果,MAVENは確立したデータセット間の最先端のパフォーマンスを一貫して達成していることがわかった。
  論文  参考訳（メタデータ） (2026-04-06T06:53:30Z)
• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• MASH: Masked Anchored SpHerical Distances for 3D Shape Representation and Generation [55.88474970190769]
  Masked Anchored SpHerical Distances (MASH)は、3次元形状のマルチビューでパラメタライズドな表現である。 MASHは、表面再構成、形状生成、完成、ブレンディングなど、複数の用途に汎用性がある。
  論文  参考訳（メタデータ） (2025-04-12T09:28:12Z)
• Thin-Shell-SfT: Fine-Grained Monocular Non-rigid 3D Surface Tracking with Neural Deformation Fields [66.1612475655465]
  RGBビデオから変形可能な表面を3Dで再現することは難しい問題だ。 既存の方法は、統計的、神経的、物理的に先行する変形モデルを使用する。 我々は,非剛性3次元トラッキングメッシュの新しい手法であるThinShell-SfTを提案する。
  論文  参考訳（メタデータ） (2025-03-25T18:00:46Z)
• Neurally Integrated Finite Elements for Differentiable Elasticity on Evolving Domains [19.755626638375904]
  進化的暗黙の関数として定義された領域の弾性シミュレータ。これは効率的で堅牢で、形状や材料に関して微分可能である。 重要な技術的革新は、暗黙の格子セル上で堅牢な数値積分のために、二次点に適合するように小さなニューラルネットワークを訓練することである。 提案手法は, 暗黙の前方シミュレーション, 編集中の3次元形状の直接シミュレーション, 物理に基づく新しい形状とトポロジーの最適化と, 微分可能レンダリングの併用における有効性を示す。
  論文  参考訳（メタデータ） (2024-10-12T07:49:23Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)

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。