CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation

要約

ジオメトリとトポロジーを統合された連続潜在表現に統合する3D曲線ベースのワイヤフレーム生成のための新しいフレームワークであるCLR-Wireを紹介します。
頂点、エッジ、顔を切り離す従来の方法とは異なり、CLRワイヤーは、注意駆動型の変動自己エンコーダー（VAE）を使用して、トポロジカルな接続性とともに連続的で固定長の潜在空間への神経パラメトリック曲線として曲線をエンコードします。
この統一されたアプローチは、幾何学とトポロジの両方の共同学習と生成を促進します。
ワイヤーフレームを生成するために、フローマッチングモデルを使用して、ガウスノイズをこれらの潜伏物に徐々にマッピングし、その後完全な3Dワイヤフレームにデコードされます。
私たちの方法は、複雑な形状と不規則なトポロジの細粒モデリングを提供し、ポイントクラウドまたは画像入力で条件付けられた無条件の生成と生成の両方をサポートします。
実験結果は、最先端の生成アプローチと比較して、私たちの方法が精度、斬新、多様性の大幅な改善を達成し、CAD設計、幾何学的再構成、3Dコンテンツの作成に効率的で包括的なソリューションを提供することを示しています。

要約(オリジナル)

We introduce CLR-Wire, a novel framework for 3D curve-based wireframe generation that integrates geometry and topology into a unified Continuous Latent Representation. Unlike conventional methods that decouple vertices, edges, and faces, CLR-Wire encodes curves as Neural Parametric Curves along with their topological connectivity into a continuous and fixed-length latent space using an attention-driven variational autoencoder (VAE). This unified approach facilitates joint learning and generation of both geometry and topology. To generate wireframes, we employ a flow matching model to progressively map Gaussian noise to these latents, which are subsequently decoded into complete 3D wireframes. Our method provides fine-grained modeling of complex shapes and irregular topologies, and supports both unconditional generation and generation conditioned on point cloud or image inputs. Experimental results demonstrate that, compared with state-of-the-art generative approaches, our method achieves substantial improvements in accuracy, novelty, and diversity, offering an efficient and comprehensive solution for CAD design, geometric reconstruction, and 3D content creation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google