[論文レビュー] A 3D mesh convolution-based autoencoder for geometry compression

Germain Bregeon, Marius Preda+2 more|arXiv (Cornell University)|Mar 2, 2026

3D Shape Modeling and Analysis被引用数 0

ひとこと要約

新規の3Dメッシュ畳み込みベースのオートエンコーダは、事前処理なしで不規則なメッシュを圧縮し、メッシュの面から潜在特徴を学習し、連結性を維持しつつ全解像度の幾何形状を再構成します。

ABSTRACT

In this paper, we introduce a novel 3D mesh convolution-based autoencoder for geometry compression, able to deal with irregular mesh data without requiring neither preprocessing nor manifold/watertightness conditions. The proposed approach extracts meaningful latent representations by learning features directly from the mesh faces, while preserving connectivity through dedicated pooling and unpooling operations. The encoder compresses the input mesh into a compact base mesh space, which ensures that the latent space remains comparable. The decoder reconstructs the original connectivity and restores the compressed geometry to its full resolution. Extensive experiments on multi-class datasets demonstrate that our method outperforms state-of-the-art approaches in both 3D mesh geometry reconstruction and latent space classification tasks. Code available at: github.com/germainGB/MeshConv3D

研究の動機と目的

• 不 preprocessing/マニホールドまたは watertightness 条件を必要とせず、不規則な3Dメッシュ上で直接ジオメトリ圧縮を可能にする。
• 専用のプーリング/アンプーリング操作を通じて、メッシュの連結性を保ちながらメッシュ面から意味のある潜在表現を学習する。
• 入力メッシュを圧縮基盤メッシュ潜在空間に圧縮し、入力間で潜在表現を比較可能にする。
• デコーダを介して元の連結性を再構成し、圧縮表現から高解像度のジオメトリを回復する。

提案手法

• マニホールド仮定なしに不規則なメッシュデータ上で直接動作する3Dメッシュ畳み込みを用いる。
• 圧縮と拡張の間にメッシュの連結性を保持するための専用のプーリングとアンプーリング操作を導入する。
• 入力メッシュをコンパクトなベースメッシュ潜在空間にエンコードし、潜在表現の比較可能性を確保する。
• 圧縮表現から元の連結性を再構成し、圧縮表現から高解像度ジオメトリを回復する。
• ジオメトリ再構成と潜在空間分類性能の両方を評価するため、マルチクラスデータセットで評価を行う。

実験結果

リサーチクエスチョン

• RQ1 事前処理や watertight性要件なしで3Dメッシュ畳み込みベースのオートエンコーダは不規則なメッシュを圧縮できるか。
• RQ2 圧縮と拡張の間に連結性を保ちながらジオメトリをプーリング/アンプーリングで圧縮できるか。
• RQ3 学習された潜在空間はコンパクトでサンプル間で比較可能で、効果的な再構成と分類を可能にするか。
• RQ4 方法は最先端のアプローチと比較して、ジオメトリ再構成と潜在空間分類の性能はどうか。

主な発見

• 本手法はマルチクラスデータセット上の3Dメッシュジオメトリ再構成で最先端手法を上回る。
• 潜在空間分類タスクにおいて、競合他手法と比較して優れた結果を達成する。