構造的親和性：ケージベース形状設計のための一貫性アルゴリズム

- Cage-based deformation (CBD) のための明示的 regularisation 手法「Structural Affinity」の提案。 - 小さな制御ハンドル集合で 3D 形状をパラメータ化する CBD において、two-cage 構造でハンドル運動を結合する。 - 対象タスクは robotic control–morphology co-design、source-to-target neural deformation transfer、aerodynamic wing shape optimization。

- 既存の CBD 最適化は smooth で regular な cage 変形を促す regularisation を soft guidance として使うが、task objective と競合する。 - Structural Affinity は deformation parameterization 自体を変える明示的 regularisation で、hand-designed structural loss term への依存を大幅に減らす。 - cage self-intersection を大きく減らし、しばしば排除、mesh distortion も低減。

- two-cage 構造（inner control-cage と coarser outer-cage）を用い、mean-value coordinates で affinity matrix を事前計算。 - この行列が cage handle 変位の隣接ハンドルへの伝播量を定義し、変形時の線形オーバーヘッドのみで滑らかな変形を実現。 - 事前計算により最適化中の追加コストを抑えつつ、ハンドル運動の coherence を直接結合する。

- robotic control–morphology co-design、source-to-target neural deformation transfer、aerodynamic wing shape optimization の3タスクで評価。 - 3つの相補的診断指標で一貫した改善を報告：cotangent Laplacian（表面滑らかさの代理）、cage distortion（ハンドルが coherent に動くか）、surface roughness（翼形状の望ましくない振動）。

- 明示的 regularisation により structural loss term への依存を減らせる点が議論の中心。 - 具体的な限界や失敗ケース、計算コストの詳細な比較は要旨からは不明。 - 3タスク・3指標での一貫した利得が主張されているが、他手法との定量比較の詳細は要旨からは不明。

- Cage-based deformation (CBD) の代表的手法（mean-value coordinates など）。 - Neural deformation transfer 関連研究。 - Aerodynamic shape optimization における CBD 応用研究。 - Robotic control–morphology co-design の共設計研究。 - 要旨で直接参照される個別論文名は不明。