MeshXL: Neural Coordinate Field for Generative 3D Foundation Models

要約

3D データのポリゴン メッシュ表現は、優れた柔軟性、高速なレンダリング速度、およびストレージ効率を示し、さまざまなアプリケーションで広く好まれています。
ただし、構造化されていないグラフ表現を考えると、忠実度の高い 3D メッシュを直接生成することは困難です。
幸いなことに、事前定義された順序付け戦略を使用すると、3D メッシュをシーケンスとして表現でき、生成プロセスを自己回帰問題としてシームレスに処理できます。
この論文では、暗黙的なニューラル埋め込みを使用した明示的な座標表現であるニューラル座標フィールド (NeurCF) が、大規模な逐次メッシュ モデリングにとってシンプルでありながら効果的な表現であることを検証します。
その後、最新の大規模言語モデルのアプローチを使用して 3D メッシュ生成のプロセスに取り組む、生成事前トレーニング済み自己回帰モデルのファミリーである MeshXL を紹介します。
広範な実験により、MeshXL が高品質の 3D メッシュを生成でき、さまざまな下流アプリケーションの基礎モデルとしても機能できることが示されています。

要約(オリジナル)

The polygon mesh representation of 3D data exhibits great flexibility, fast rendering speed, and storage efficiency, which is widely preferred in various applications. However, given its unstructured graph representation, the direct generation of high-fidelity 3D meshes is challenging. Fortunately, with a pre-defined ordering strategy, 3D meshes can be represented as sequences, and the generation process can be seamlessly treated as an auto-regressive problem. In this paper, we validate the Neural Coordinate Field (NeurCF), an explicit coordinate representation with implicit neural embeddings, is a simple-yet-effective representation for large-scale sequential mesh modeling. After that, we present MeshXL, a family of generative pre-trained auto-regressive models, which addresses the process of 3D mesh generation with modern large language model approaches. Extensive experiments show that MeshXL is able to generate high-quality 3D meshes, and can also serve as foundation models for various down-stream applications.

arxiv情報

著者 Sijin Chen,Xin Chen,Anqi Pang,Xianfang Zeng,Wei Cheng,Yijun Fu,Fukun Yin,Yanru Wang,Zhibin Wang,Chi Zhang,Jingyi Yu,Gang Yu,Bin Fu,Tao Chen
発行日 2024-05-31 14:35:35+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク