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

要約

この論文では、正確な部分認識構造の実現を目的として、神経ボクセル フィールドを生成するための新しい潜在 3D 拡散モデルを紹介します。
既存の方法と比較して、高品質で正確な部品認識生成を保証するために 2 つの重要な設計があります。
一方では、ニューラル 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、豊かなテクスチャと幾何学的な詳細を正確にキャプチャできる大幅に高い解像度での生成を可能にします。
一方、パーツ認識形状デコーダは、パーツ 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導入されており、正確なパーツ分解を導き、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手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。
この結果は、部分を意識した形状生成における私たちの提案方法の優れた生成能力が、既存の最先端の方法を上回ることを示しています。

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