MeshRipple: Structured Autoregressive Generation of Artist-Meshes - 波紋のように面を広げる考え方でより破綻の少ないトポロジーのメッシュを生成する為の技術アプローチ！

華中科技大学、ミュンヘン工科大学、および独立研究者による研究チームらが発表した技術「MeshRipple: Structured Autoregressive Generation of Artist-Meshes」のご紹介！自己回帰型3Dメッシュ生成における「破綻しやすさ」という根本的な問題に対しての新しい生成アプローチ！

MeshRipple: Structured Autoregressive Generation of Artist-Meshes

メッシュは3Dアセットを表現するための主要な表現形式である。
自己回帰型メッシュ生成手法では、面（Face）をシーケンスとして直列化し、メモリ制約に対応するため、スライディングウィンドウ推論を用いた断片的な学習が行われている。

しかし、この不整合により長距離の幾何学的依存関係が破綻し、穴や分断されたコンポーネントが生成されてしまう。

この重大な制限に対処するため、本研究ではMeshRippleを提案する。MeshRippleは、水面に広がる波紋のように、アクティブな生成フロンティアから外側へとメッシュを拡張していく生成手法である。

MeshRippleは3つの主要な技術的要素に基づいている。
表面トポロジーと整合する生成順序を実現するフロンティア認識型BFSトークナイゼーション、一貫性と接続性を維持する拡張的予測戦略、そして長距離トポロジー依存関係を解決するための、実質的に無制限の受容野を持つスパースアテンション型グローバルメモリである。

これらを統合した設計により、MeshRippleは高い表面忠実度とトポロジー完全性を備えたメッシュ生成を実現し、近年の強力な既存手法を上回る性能を示す。

• メッシュを面の並びではなく「表面の広がり」として生成
• BFSベースで、表面トポロジーに沿った自然な生成順序
• 生成途中でも、メッシュが途切れにくい
• 穴あき・分断といった破綻が大幅に減少
• 長距離の形状依存関係を保持できる
• 既存の自己回帰型メッシュ生成手法より高品質

リンク