EdgeRunner：用于艺术网格生成的自回归自编码器
计算机视觉与模式识别
2024-09-27 v1
摘要
当前自回归网格生成方法存在完整性不足、细节不足和泛化性差等问题。本文提出一种自回归自编码器（ArAE）模型，能够生成最高可达 4000 个面、空间分辨率为 的高质量 3D 网格。我们引入一种新颖的网格标记化算法，有效地将三角形网格压缩为 1D 标记序列，显著提升了训练效率。此外，我们的模型将可变长度的三角形网格压缩到固定长度的潜空间，从而 enables 为更好的泛化训练潜在扩散模型。广泛的实验表明，我们的模型在点云和图像条件网格生成任务中在质量、多样性和泛化能力方面均表现出优势。
引用
@article{arxiv.2409.18114,
title = {EdgeRunner: Auto-regressive Auto-encoder for Artistic Mesh Generation},
author = {Jiaxiang Tang and Zhaoshuo Li and Zekun Hao and Xian Liu and Gang Zeng and Ming-Yu Liu and Qinsheng Zhang},
journal= {arXiv preprint arXiv:2409.18114},
year = {2024}
}
备注
Project Page: https://research.nvidia.com/labs/dir/edgerunner/