Part-aware Shape Generation with Latent 3D Diffusion of Neural Voxel Fields

要約

このペーパーでは、正確なパート認識構造を実現することを目的とした、神経ボクセルフィールドの生成のための新しい潜在的な3D拡散モデルを紹介します。
既存の方法と比較して、高品質で正確なパート認識生成を確保するための2つの重要な設計があります。
一方では、神経ボクセルフィールドに潜在的な3D拡散プロセスを導入し、豊富なテクスチャーと幾何学の詳細を正確にキャプチャできる大幅に高い解像度で生成を可能にします。
一方、部品コードをニューラルボクセルフィールドに統合するために、パートアウェア形状デコーダーが導入され、正確な部分分解を導き、高品質のレンダリング結果を生成します。
広範な実験と最先端の方法との比較を通じて、4つの異なるクラスのデータにわたるアプローチを評価します。
結果は、既存の最先端の方法よりも優れた部分的な形状生成における提案された方法の優れた生成能力を示しています。

要約(オリジナル)

This paper presents a novel latent 3D diffusion model for the generation of neural voxel fields, aiming to achieve accurate part-aware structures. Compared to existing methods, there are two key designs to ensure high-quality and accurate part-aware generation. On one hand, we introduce a latent 3D diffusion process for neural voxel fields, enabling generation at significantly higher resolutions that can accurately capture rich textural and geometric details. On the other hand, a part-aware shape decoder is introduced to integrate the part codes into the neural voxel fields, guiding the accurate part decomposition and producing high-quality rendering results. Through extensive experimentation and comparisons with state-of-the-art methods, we evaluate our approach across four different classes of data. The results demonstrate the superior generative capabilities of our proposed method in part-aware shape generation, outperforming existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google