論文の概要: LLM2R: From Large Language Models to 3D Reassemblers

• arxiv url: http://arxiv.org/abs/2610.18604v1
• Date: Tue, 13 Oct 2026 15:57:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.667547
• Title: LLM2R: From Large Language Models to 3D Reassemblers
• Title（参考訳）: LLM2R: 大規模言語モデルから3Dリアセンブラへ
• Abstract要約: プリトレーニングされたデコーダのみの大規模言語モデル(LLM)を用いて、部分集合をシーケンスモデルとしてキャストするLLM2Rを提案する。 LLMは、1つの前方通過でシーケンスを処理します。しかし、因果的な注意は、ある部分の隠れた状態がその前にある部分のみを観察します。 LLMは、PartNetの3つのカテゴリにおいて、最も高い部分精度と成功率、最高の回転誤差、翻訳誤差、PartNeXtにおける部分精度、そして最も低い翻訳誤差とBreaking Badにおける最速の推論を実現している。
• 参考スコア（独自算出の注目度）: 72.90531293039714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D part assembly aims to reconstruct a complete shape from a set of unassembled parts by predicting a rigid SE(3) transformation for each part. Because the placement of a part is rarely determined by its own geometry, the task demands reasoning over the entire part set, and existing methods, which rely on pairwise relations or iterative generation and verification, scale poorly to objects with many parts. We present LLM2R, which casts part assembly as sequence modeling with a pretrained decoder-only large language model (LLM): a Point-BERT encoder and a Q-Former compress each part into a block of geometric tokens, the blocks of all parts are concatenated, and a causal LLM adapted with Low-Rank Adaptation (LoRA) processes the sequence in one forward pass. Causal attention, however, lets the hidden states of a part observe only the parts that precede it. LLM2R therefore appends a block of learnable summary tokens after the last part: these tokens follow every part, so their states aggregate the whole assembly at a constant token cost, and a part-aware pose head fuses each part's states with them before predicting its rotation and translation. One architecture thus handles semantic and geometric assembly and predicts all poses in a single non-autoregressive pass. LLM2R achieves the highest part accuracy and success rate on all three PartNet categories, the best rotation error, translation error, and part accuracy on PartNeXt, and the lowest translation error and fastest inference on Breaking Bad, where only a fracture-specialized method is more accurate. Its advantage grows with the number of parts: at 100 parts it exceeds GARF by 33.5 points in part accuracy on Breaking Bad and Assembler by 29.1 points on PartNet, and it transfers zero-shot to unseen categories with more than 16 points higher part accuracy than the strongest of three baselines.
• Abstract（参考訳）: 3D部品組立体は、各部品の剛性SE(3)変換を予測することにより、一組の未組み立て部品から完全な形状を再構築することを目的としている。 ある部分の配置は、それ自身の幾何学によって決定されることが滅多にないため、その部分集合全体に対する推論や、対関係や反復生成や検証に依存する既存の手法は、多くの部分を持つ対象に対して不十分にスケールする。 本稿では,プリトレーニングされたデコーダのみの大規模言語モデル (LLM) を用いて,部分集合をシーケンスモデルとしてキャストする LLM2R について述べる。ポイントバーコードとQフォーマーは各部分を幾何トークンのブロックに圧縮し,すべての部分のブロックを連結し,ローランド適応 (LoRA) に適応した因果LLM を1つの前方通過で処理する。 しかし、因果的注意は、ある部分の隠れた状態がそれより前の部分のみを観察することを可能にする。 したがって、LLM2Rは最後の部分の後に学習可能な要約トークンのブロックを付加する: これらのトークンは全ての部分に従うので、それらの状態は一定のトークンコストでアセンブリ全体を集約し、部分認識のポーズヘッドはその回転と翻訳を予測する前に各部分の状態を融合させる。 したがって、1つのアーキテクチャは意味論的および幾何学的アセンブリを処理し、すべてのポーズを1つの非自己回帰パスで予測する。 LLM2Rは、全てのPartNetカテゴリにおいて、最も高い部分精度と成功率、最高の回転誤差、翻訳誤差、そしてPartNeXtにおける部分精度、そして骨折特定法のみがより正確であるBreaking Badにおける最も低い翻訳誤差と最速の推論を実現する。 パートネットのBreaking BadとAssemblerの精度は29.1ポイント、ゼロショットは16ポイント以上の未確認カテゴリに転送され、3つの最強のベースラインよりも精度が高い。

関連論文リスト

• Point2Part: Unified 3D Partitioning from Point Prompts [33.25660318078227]
  画像やメッシュから3次元部分分解を行うための高速モデルを開発した。 ユーザーは制御可能な分解のための3Dポイントプロンプトを通じて、所望のパーツを指定できる。 本稿では,全ての部分トークンに対して,全形状を粗い方法で共同でスコアリングする新しい部分デコーダを提案する。
  論文  参考訳（メタデータ） (2026-09-29T17:59:58Z)
• PartLLM: A Unified Multimodal Foundation for 3D Part Segmentation [60.659851579884666]
  部分分割はコンピュータグラフィックスと3Dビジョンの基本的な問題である。 本稿では,3次元部分分割を自己回帰的意味分解として定式化する統一モデルPartLLMを紹介する。
  論文  参考訳（メタデータ） (2026-09-22T07:58:27Z)
• UniPart: Towards Zero-shot Language-Grounded 3D Part Segmentation for Embodied Interaction [26.967735110263437]
  テキスト条件付き3次元部分分割について検討し、自由形式のフレーズが点クラウド上の機能部分を選択する。 監視を拡大するため,160K以上の資産と8Mテキストをペアに組み込んだLangPart-1Mを構築した。 UniPartは、オープン語彙部分ベンチマークで強力なゼロショット結果を実現し、実世界における言語条件部分の把握に転送する。
  論文  参考訳（メタデータ） (2026-09-11T14:25:17Z)
• MegaParts: Scaling Part-Aware 3D Object Generation to 300 Parts via Token-Efficient Autoregressive Modeling [48.6816265114274]
  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。
  論文  参考訳（メタデータ） (2026-08-14T18:00:02Z)
• Point Linguist Model: Segment Any Object via Bridged Large 3D-Language Model [51.02616473941499]
  大規模言語モデル(LLM)による3Dオブジェクトのセグメンテーションは、その広範囲なセマンティクス、タスクの柔軟性、強力な一般化により、広く普及しているパラダイムとなっている。 LLMは高レベルなセマンティックトークンを処理し、3次元の点雲は密度の高い幾何学的構造のみを伝達する。 本稿では,LLMと高密度3次元点雲の間の表現ギャップを橋渡しする一般フレームワークであるポイント言語モデル(PLM)を提案する。
  論文  参考訳（メタデータ） (2025-09-09T15:01:28Z)
• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Generative 3D Part Assembly via Part-Whole-Hierarchy Message Passing [26.366915258021866]
  生成3D部品の組み立ては、部品の関係を理解し、現実的な3D形状を組み立てるための6-DoFのポーズを予測する。 効率的な3次元部分集合のための部分階層型メッセージパッシングネットワークを提案する。 PartNetデータセットを用いた実験結果から,本手法は部分的な最先端性能と接続精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2024-02-27T12:42:06Z)
• 3D Compositional Zero-shot Learning with DeCompositional Consensus [102.7571947144639]
  我々は、部分的知識は観察されたオブジェクトクラスを超えて構成可能であるべきだと論じる。 本稿では、視覚から見えないオブジェクトクラスへの部分一般化の問題として、3D合成ゼロショット学習を提案する。
  論文  参考訳（メタデータ） (2021-11-29T16:34:53Z)

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。