論文の概要: TetraCoder: Adaptive Tetrahedral Encoding for Neural Fields
- arxiv url: http://arxiv.org/abs/2611.18267v1
- Date: Fri, 13 Nov 2026 15:00:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.352859
- Title: TetraCoder: Adaptive Tetrahedral Encoding for Neural Fields
- Title(参考訳): TetraCoder: ニューラルネットワークのための適応的Tetrahedralエンコーディング
- Abstract要約: 単一解像度のハッシュフリー適応四面体符号化であるTetraCoderを提案する。
これは、明示的な四面体空間エンコーダと、基礎となる暗黙的符号距離場(SDF)をリンクする。
a) 単一解像度の最適化可能なグリッドのため、マルチ解像度の符号化方法よりも優れたスケール、(b) ハッシュベースの手法とは異なり、衝突の影響を受けない、(c) 高速四面体線トレーシング、幾何学および外観編集を適応四面体足場を介して直接行うことができる。
- 参考スコア(独自算出の注目度): 8.058257143659045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Implicit and explicit representations of geometry are central in computer graphics applications and come with their pros and cons. With surface sampling being faster on explicit representations and spatial queries being faster on implicit representations, finding efficient conversions between them is a highly desirable property. We present TetraCoder, a single resolution hash-free adaptive tetrahedral encoding that links an explicit tetrahedral spatial encoder with an underlying implicit signed distance field (SDF). The resulting hybrid implicit-explicit space is continuous piecewise affine (CPWA) by design, allowing to obtain an exact correspondence between the implicit SDF and the explicit analytic mesh. TetraCoder's design comes with additional perks, in particular: (a) it scales better than multi-resolution encoding methods due to its single resolution optimizable grid, (b) unlike hash-based methods, it is not affected by collisions, (c) it enables fast tetrahedral ray-tracing, geometry and appearance editing, directly through its adaptive tetrahedral scaffold. We demonstrate the versatility of TetraCoder by showing an improvement over state-of-the-art methods on multiple tasks: 2D/3D fitting from images and point clouds, 3D novel view synthesis, 3D reconstruction, and geometry/appearance editing.
- Abstract(参考訳): 幾何学の暗黙的かつ明示的な表現は、コンピュータグラフィックスアプリケーションの中心であり、その長所と短所を伴っている。
表面サンプリングが明示表現よりも高速であり、空間クエリが暗黙表現より高速であるため、それらの間の効率的な変換を見つけることが非常に望ましい特性である。
本稿では,暗黙的符号付き距離場(SDF)と明示的四面体空間エンコーダをリンクする,単一解像度のハッシュフリー適応四面体符号化であるTetraCoderを提案する。
結果として生じるハイブリッドな暗黙的-明示的空間は、設計による連続的断片的アフィン(CPWA)であり、暗黙的SDFと明示的分析メッシュとの正確な対応を得ることができる。
TetraCoderの設計には追加の特典がある。
(a)単一解像度最適化グリッドのため、マルチレゾリューション符号化法よりもスケールが優れている。
(b)ハッシュ法とは異なり、衝突の影響を受けない。
(c)適応四面体足場から直接高速四面体線トレーシング、幾何および外観編集を可能にする。
画像と点雲からの2D/3Dフィッティング,3Dノベルビュー合成,3D再構成,幾何学・外観編集など,複数のタスクにおける最先端手法の改善を示すことで,TetraCoderの汎用性を実証した。
関連論文リスト
- Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳(メタデータ) (2026-04-12T10:36:18Z) - Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳(メタデータ) (2026-01-05T18:33:50Z) - TetWeave: Isosurface Extraction using On-The-Fly Delaunay Tetrahedral Grids for Gradient-Based Mesh Optimization [59.318328774645835]
我々は、勾配に基づくメッシュ最適化のための新しい等曲面表現であるTetWeaveを紹介する。
TetWeaveは、Delaunay三角測量を通じて、四面体グリッドをオンザフライで構築する。
我々は,コンピュータグラフィックスとビジョンの幅広い課題に対して,TetWeaveの適用性を示す。
論文 参考訳(メタデータ) (2025-05-07T17:32:49Z) - Grid4D: 4D Decomposed Hash Encoding for High-Fidelity Dynamic Gaussian Splatting [21.47981274362659]
ガウススプラッティングに基づく動的シーンレンダリングモデルであるGrid4Dを提案する。
低ランクの仮定を使わずに, 4Dエンコーディングを1つの空間的および3つの時間的3Dハッシュエンコーディングに分解する。
我々の実験は、Grid4Dが視覚的品質とレンダリング速度において最先端のモデルよりも大幅に優れていることを示した。
論文 参考訳(メタデータ) (2024-10-28T08:02:34Z) - Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D
Shape Synthesis [90.26556260531707]
DMTetは粗いボクセルのような単純なユーザーガイドを用いて高解像度の3次元形状を合成できる条件付き生成モデルである。
メッシュなどの明示的な表現を直接生成する深部3次元生成モデルとは異なり、我々のモデルは任意の位相で形状を合成することができる。
論文 参考訳(メタデータ) (2021-11-08T05:29:35Z) - Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。
ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。
Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
論文 参考訳(メタデータ) (2020-11-03T02:57:01Z)
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。