論文の概要: MeshCarve: Artisan Mesh Generation with Flow Matching in Compact Latent Spaces

• arxiv url: http://arxiv.org/abs/2610.09723v1
• Date: Wed, 07 Oct 2026 09:20:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.828943
• Title: MeshCarve: Artisan Mesh Generation with Flow Matching in Compact Latent Spaces
• Title（参考訳）: MeshCarve: コンパクトなラテント空間でのフローマッチングを備えた人工メッシュ生成
• Abstract要約: MeshCarveは、コンパクトな潜在空間で完全に生成されるフローマッチング手法である。 トークン列を短くするため,階層型スパーストランスフォーマーバックボーンを提案する。
• 参考スコア（独自算出の注目度）: 55.87625441319878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior artisan mesh generation works largely predict face tokens autoregressively, which makes inference slow. Recent methods instead flow match continuous latents built by Variational AutoEncoders (VAEs), but reconstruction quality drops significantly when geometry and topology are jointly encoded, and further when the latent space is compressed. We present MeshCarve, a flow matching method that generates entirely in compact latent spaces, generating vertex positions and edge connections separately and sidestepping the difficulty of a joint compact latent. To shorten the token sequence, we propose a hierarchical sparse transformer backbone, instantiated as VertexVAE and EdgeVAE. Instead of encoding fields over the surface voxels, both VAEs anchor on discrete vertices in their latent spaces, which drastically reduces the token sequence length, and our spatial-aware compression shortens it further without costing reconstruction. VertexVAE directly encodes vertex occupancy. For connectivity, we propose vertex-link encoding, which turns arbitrary connectivity between vertices into fixed-length continuous per-vertex embeddings and recovers complex artistic topology faithfully. MeshCarve combines these VAEs with an anchor generator and flow matches on the shortened token sequences. It shows advantages over state-of-the-art autoregressive and flow matching methods on Objaverse and generalizes to Toys4K. To the best of our knowledge, it is among the first artisan mesh generation methods whose every generative stage runs in a spatially compressed latent, with a token sequence only a fraction of the most compressed previous autoregressive and flow matching works.
• Abstract（参考訳）: 事前の職人メッシュ生成は、顔トークンを自動回帰的に予測し、推論を遅くする。 近年のフローは変分オートエンコーダ (VAE) によって構築された連続潜水器と一致するが, 幾何とトポロジーが共同符号化された場合, さらに潜水空間が圧縮された場合, 復元品質は著しく低下する。 本稿では,コンパクトな潜伏空間で完全に生成し,頂点位置とエッジ接続を別々に生成するフローマッチング手法であるMeshCarveについて述べる。 トークンシーケンスを短くするために,VertexVAE と EdgeVAE としてインスタンス化された階層的なスパーストランスフォーマーバックボーンを提案する。 両方のVAEは、表面ボクセル上のフィールドを符号化する代わりに、それぞれの潜伏空間の離散頂点に固定し、トークン列の長さを大幅に削減し、空間認識圧縮により、再構成を犠牲にすることなく、さらに短縮する。 VertexVAEは頂点占有を直接コードする。 本稿では,頂点間の任意の接続を固定長連続頂点埋め込みに変換し,複雑な芸術的トポロジを忠実に復元する頂点リンク符号化を提案する。 MeshCarveはこれらのVAEをアンカージェネレータと組み合わせ、短縮トークンシーケンスのフローマッチングを行う。 これは、Objaverse上での最先端の自己回帰とフローマッチング手法に対する利点を示し、Toys4Kに一般化する。 我々の知る限りでは、全ての生成段階が空間的に圧縮された潜水槽で実行される最初の人工メッシュ生成手法であり、トークンシーケンスは最も圧縮された以前の自己回帰およびフローマッチング作業のごく一部に過ぎない。

関連論文リスト

• 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)
• PolyFlow: Continuous Topology Embedding Flow Matching for Artist-style Mesh Generation [31.59262139357425]
  自己回帰変換器は、芸術家にふさわしいトポロジを生成することによって高品質なメッシュ生成を支配している。 連続拡散法とフローマッチング法は効率的な並列合成をサポートするが、メッシュに直接適用することはできない。 離散メッシュ位置と正規分布を連続した頂点ごとの埋め込みに投影するコンパクトなトポロジー埋め込み器を提案する。 この埋め込み器を事前訓練し凍結した後、任意の生メッシュは、位置、正規および暗黙の位相特性を統一する連続した頂点状態空間に完全に変換することができる。
  論文  参考訳（メタデータ） (2026-06-25T18:29:06Z)
• MeshLoom: Feed-Forward Non-Rigid Registration of Mesh Sequences [71.45325481648995]
  MeshLoomは、メッシュシーケンス間の変形を再構築するフィードフォワード登録ネットワークである。 以上の結果から,MeshLoomは非厳密な登録における最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2026-06-15T17:51:38Z)
• MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation [53.06620176910962]
  MeshWeaverは、メッシュ生成を表面織布プロセスとして扱う自動回帰フレームワークである。 MeshWeaverは18%の最先端圧縮比を実現し、最大16K面のメッシュを生成することができ、以前のアプローチよりも幾何的忠実性を大幅に向上する。
  論文  参考訳（メタデータ） (2026-06-03T10:15:43Z)
• Strips as Tokens: Artist Mesh Generation with Native UV Segmentation [84.90920018424036]
  Strips as Tokens (SATO) は三角形のストリップにインスパイアされたトークン注文戦略を持つ新しいフレームワークである。 本手法は,UV境界を明示的に符号化した面の連結連鎖として配列を構成することにより,組織化されたエッジフローを自然に保存する。 この定式化の鍵となる利点は統一表現であり、同じトークン列を三角形または四辺メッシュに復号することができる。
  論文  参考訳（メタデータ） (2026-04-10T09:13:09Z)
• FACE: A Face-based Autoregressive Representation for High-Fidelity and Efficient Mesh Generation [50.71369329585773]
  フェースレベルでメッシュを生成する新しいAutoregressive AutoencoderフレームワークであるFACEを紹介する。 当社のワンフェイスワンツーケン戦略は、メッシュの基本構築ブロックである三角形の面を、単一の統一トークンとして扱います。 FACEは、標準ベンチマークで最先端の再構築品質を達成する。
  論文  参考訳（メタデータ） (2026-03-02T06:47:15Z)
• FastMesh: Efficient Artistic Mesh Generation via Component Decoupling [27.21354509059262]
  メッシュ生成アプローチは通常、三角形メッシュをトークンのシーケンスにトークン化し、これらのトークンをシーケンシャルに生成するように自動回帰モデルを訓練する。 この冗長性は、過度に長いトークンシーケンスと非効率な生成プロセスをもたらす。 本稿では,頂点と面を別々に扱うことにより,芸術的メッシュを生成する効率的な枠組みを提案する。
  論文  参考訳（メタデータ） (2025-08-26T16:51:02Z)
• DiffCom: Decoupled Sparse Priors Guided Diffusion Compression for Point Clouds [54.96190721255167]
  ロスシー圧縮は、ポイントクラウドをストレージの潜在ポイントに変換するためのオートエンコーダに依存している。 本稿では,特に低レベルにおいて高い復元品質を実現するための拡散型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-21T05:41:35Z)

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。