論文の概要: Roominoes: Generating Novel 3D Floor Plans From Existing 3D Rooms

• arxiv url: http://arxiv.org/abs/2112.05644v1
• Date: Fri, 10 Dec 2021 16:17:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 15:21:43.088955
• Title: Roominoes: Generating Novel 3D Floor Plans From Existing 3D Rooms
• Title（参考訳）: Roominoes:既存の3Dルームから新しい3Dフロアプランを作成
• Authors: Kai Wang, Xianghao Xu, Leon Lei, Selena Ling, Natalie Lindsay, Angel X. Chang, Manolis Savva, Daniel Ritchie
• Abstract要約: 既存の3D部屋から新しい3Dフロアプランを作成するタスクを提案する。 1つは利用可能な2Dフロアプランを使用して、3Dルームの選択と変形をガイドし、もう1つは互換性のある3Dルームのセットを取得し、それらを新しいレイアウトに組み合わせることを学ぶ。
• 参考スコア（独自算出の注目度）: 22.188206636953794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Realistic 3D indoor scene datasets have enabled significant recent progress in computer vision, scene understanding, autonomous navigation, and 3D reconstruction. But the scale, diversity, and customizability of existing datasets is limited, and it is time-consuming and expensive to scan and annotate more. Fortunately, combinatorics is on our side: there are enough individual rooms in existing 3D scene datasets, if there was but a way to recombine them into new layouts. In this paper, we propose the task of generating novel 3D floor plans from existing 3D rooms. We identify three sub-tasks of this problem: generation of 2D layout, retrieval of compatible 3D rooms, and deformation of 3D rooms to fit the layout. We then discuss different strategies for solving the problem, and design two representative pipelines: one uses available 2D floor plans to guide selection and deformation of 3D rooms; the other learns to retrieve a set of compatible 3D rooms and combine them into novel layouts. We design a set of metrics that evaluate the generated results with respect to each of the three subtasks and show that different methods trade off performance on these subtasks. Finally, we survey downstream tasks that benefit from generated 3D scenes and discuss strategies in selecting the methods most appropriate for the demands of these tasks.
• Abstract（参考訳）: リアルな3D屋内シーンデータセットは、コンピュータビジョン、シーン理解、自律ナビゲーション、および3D再構成の大幅な進歩を可能にしている。 しかし、既存のデータセットのスケール、多様性、カスタマイズ性は制限されており、もっとスキャンして注釈を付けるのに時間がかかる。 幸いなことに、 combinatoricsは私たちの側にいる。既存の3dシーンデータセットには、それらを新しいレイアウトに再結合する方法がなければ、十分な部屋がある。 本稿では,既存の3D部屋から新しい3Dフロアプランを作成するタスクを提案する。 この問題の3つのサブタスクを識別する: 2次元レイアウトの生成、互換性のある3次元部屋の検索、レイアウトに適合する3次元部屋の変形。 この問題を解決するための様々な戦略を議論し、2つの代表的なパイプラインを設計する: 1つは利用可能な2Dフロアプランを使用して3D部屋の選択と変形をガイドし、もう1つは互換性のある3D部屋の集合を検索し、それらを新しいレイアウトに組み合わせることを学ぶ。 3つのサブタスクそれぞれに対して生成された結果を評価するメトリクスセットを設計し、異なるメソッドがこれらのサブタスクのパフォーマンスをトレードオフすることを示す。 最後に,生成した3dシーンの恩恵を受ける下流タスクを調査し,これらのタスクの要求に最も適した方法を選択するための戦略を検討する。

関連論文リスト

• Layout-your-3D: Controllable and Precise 3D Generation with 2D Blueprint [61.25279122171029]
  テキストプロンプトから制御可能で構成可能な3D生成が可能なフレームワークを提案する。 提案手法は2次元レイアウトを青写真として活用し,3次元生成の精密かつ確実な制御を容易にする。
  論文  参考訳（メタデータ） (2024-10-20T13:41:50Z)
• ControlRoom3D: Room Generation using Semantic Proxy Rooms [48.93419701713694]
  高品質なルームメッシュを生成するための新しい手法であるControlRoom3Dを提案する。 われわれのアプローチはユーザ定義の3Dセマンティック・プロキシールームであり、粗い部屋のレイアウトを概説している。 2Dにレンダリングすると、この3D表現は強力な2Dモデルを制御するための貴重な幾何学的および意味的な情報を提供する。
  論文  参考訳（メタデータ） (2023-12-08T17:55:44Z)
• Uni3D: Exploring Unified 3D Representation at Scale [66.26710717073372]
  大規模に統一された3次元表現を探索する3次元基礎モデルであるUni3Dを提案する。 Uni3Dは、事前にトレーニングされた2D ViTのエンドツーエンドを使用して、3Dポイントクラウド機能と画像テキスト整列機能とを一致させる。 強力なUni3D表現は、野生での3D絵画や検索などの応用を可能にする。
  論文  参考訳（メタデータ） (2023-10-10T16:49:21Z)
• 3D-LLM: Injecting the 3D World into Large Language Models [60.43823088804661]
  大規模言語モデル (LLM) と視覚言語モデル (VLM) は、常識推論のような複数のタスクで優れていることが証明されている。 本稿では,大規模言語モデルに3Dワールドを注入し,新しい3D-LLMのファミリーを導入することを提案する。 具体的には、3D-LLMは3Dポイントクラウドとその機能を入力として取り込んで、さまざまな3D関連タスクを実行することができる。
  論文  参考訳（メタデータ） (2023-07-24T17:59:02Z)
• Multi-CLIP: Contrastive Vision-Language Pre-training for Question Answering tasks in 3D Scenes [68.61199623705096]
  一般的な言語知識と視覚概念を2次元画像から3次元シーン理解に適用するためのトレーニングモデルは、研究者が最近探求を始めたばかりの有望な方向である。 そこで本研究では,モデルによる3次元シーンポイントクラウド表現の学習を可能にする,新しい3次元事前学習手法であるMulti-CLIPを提案する。
  論文  参考訳（メタデータ） (2023-06-04T11:08:53Z)
• SGAligner : 3D Scene Alignment with Scene Graphs [84.01002998166145]
  3Dシーングラフの構築は、いくつかの具体的AIアプリケーションのためのシーン表現のトピックとして登場した。 オーバーラップ可能な3次元シーングラフのペアをゼロから部分的に整列させるという基本的な問題に着目する。 そこで我々はSGAlignerを提案する。SGAlignerは3次元シーングラフのペアを組合わせるための最初の方法であり、その組込みシナリオに対して堅牢である。
  論文  参考訳（メタデータ） (2023-04-28T14:39:22Z)
• Learning 3D Scene Priors with 2D Supervision [37.79852635415233]
  本研究では,3次元の地平を必要とせず,レイアウトや形状の3次元シーンを学習するための新しい手法を提案する。 提案手法は, 3次元シーンを潜在ベクトルとして表現し, クラスカテゴリを特徴とするオブジェクト列に段階的に復号化することができる。 3D-FRONT と ScanNet による実験により,本手法は単一視点再構成における技術状況よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-25T15:03:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。