論文の概要: FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing
Scenes
- arxiv url: http://arxiv.org/abs/2401.03470v1
- Date: Sun, 7 Jan 2024 12:34:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 18:52:06.602568
- Title: FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing
Scenes
- Title(参考訳): FurniScene:複雑なシーンを備えた大規模3Dルームデータセット
- Authors: Genghao Zhang, Yuxi Wang, Chuanchen Luo, Shibiao Xu, Junran Peng,
Zhaoxiang Zhang, Man Zhang
- Abstract要約: FurniSceneは、インテリアデザインの専門家による複雑な家具シーンを備えた大規模な3Dルームデータセットである。
具体的には、FurniSceneは11,698の部屋と、89種類のユニークな家具CADモデル39,691種類で構成されている。
室内環境のきめ細かいレイアウト生成に適した2段階拡散シーンモデル(TSDSM)を提案する。
- 参考スコア(独自算出の注目度): 60.357483304833735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor scene generation has attracted significant attention recently as it is
crucial for applications of gaming, virtual reality, and interior design.
Current indoor scene generation methods can produce reasonable room layouts but
often lack diversity and realism. This is primarily due to the limited coverage
of existing datasets, including only large furniture without tiny furnishings
in daily life. To address these challenges, we propose FurniScene, a
large-scale 3D room dataset with intricate furnishing scenes from interior
design professionals. Specifically, the FurniScene consists of 11,698 rooms and
39,691 unique furniture CAD models with 89 different types, covering things
from large beds to small teacups on the coffee table. To better suit
fine-grained indoor scene layout generation, we introduce a novel Two-Stage
Diffusion Scene Model (TSDSM) and conduct an evaluation benchmark for various
indoor scene generation based on FurniScene. Quantitative and qualitative
evaluations demonstrate the capability of our method to generate highly
realistic indoor scenes. Our dataset and code will be publicly available soon.
- Abstract(参考訳): 屋内シーン生成はゲーム、仮想現実、インテリアデザインの応用に不可欠であるため、近年注目を集めている。
現在の屋内シーン生成手法は、合理的なルームレイアウトを生み出すことができるが、しばしば多様性やリアリズムを欠いている。
これは主に、日々の生活で小さな家具のない大きな家具を含む、既存のデータセットの限られた範囲が原因である。
これらの課題に対処するために、内部設計の専門家による複雑な家具シーンを備えた大規模な3DルームデータセットであるFurniSceneを提案する。
具体的には、FurniSceneは11,698の部屋と39,691のユニークな家具CADモデルで構成され、89種類の異なるタイプがあり、大きなベッドからコーヒーテーブルの小さなティーカップまでカバーしている。
細粒度室内シーンレイアウト生成に適合するため,新しい2段階拡散シーンモデル(tsdsm)を導入し,フルニッセンに基づく各種室内シーン生成の評価ベンチマークを行う。
定量的・質的評価は,高度にリアルな室内シーンを生成できることを示す。
データセットとコードは近く公開されます。
関連論文リスト
- Style-Consistent 3D Indoor Scene Synthesis with Decoupled Objects [84.45345829270626]
制御可能な3D屋内シーン合成は、技術進歩の最前線にある。
シーンスタイリングの現在の手法は、シーン全体にスタイルを適用することに限定されている。
室内3Dシーンを合成するためのユニークなパイプラインを提案する。
論文 参考訳(メタデータ) (2024-01-24T03:10:36Z) - RoomDesigner: Encoding Anchor-latents for Style-consistent and
Shape-compatible Indoor Scene Generation [26.906174238830474]
室内シーン生成は、空間的に合理的なレイアウトで形状に整合したスタイルの家具配置を作成することを目的としている。
家具をアンカーラテント表現としてエンコードすることで,形状先行を室内シーン生成に組み込む2段階モデルを提案する。
論文 参考訳(メタデータ) (2023-10-16T03:05:19Z) - DiffInDScene: Diffusion-based High-Quality 3D Indoor Scene Generation [52.57289166214808]
DiffInDSceneは高品質な屋内シーン生成問題に取り組むための新しいフレームワークである。
KinectFusionのインクリメンタルアライメントとローカルTSDFボリュームの融合に着想を得て,拡散型SDF融合法を提案する。
生成した結果から,3次元空間で高品位な部屋生成を実現することが可能であることが示唆された。
論文 参考訳(メタデータ) (2023-06-01T10:19:23Z) - SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation
with Fine-Grained Geometry [92.24144643757963]
3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。
高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。
SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。
提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
論文 参考訳(メタデータ) (2023-02-16T15:31:59Z) - Hierarchical Reinforcement Learning for Furniture Layout in Virtual
Indoor Scenes [2.2481284426718533]
本稿では,仮想現実におけるマルコフ決定プロセス(MDP)としての家具レイアウトタスクについて検討する。
目標は、屋内シーンのバーチャルリアリティーにおける適切な2家具レイアウトを作ることだ。
論文 参考訳(メタデータ) (2022-10-19T09:58:10Z) - ATISS: Autoregressive Transformers for Indoor Scene Synthesis [112.63708524926689]
我々は,合成室内環境を構築するための新しい自己回帰型トランスフォーマーアーキテクチャであるATISSを紹介する。
この定式化は、ATISSが完全に自動的な部屋レイアウト合成を超えて一般的に有用になるため、より自然なものであると我々は主張する。
本モデルは,ラベル付き3Dバウンディングボックスのみを監督として,自動回帰生成モデルとしてエンドツーエンドで訓練されている。
論文 参考訳(メタデータ) (2021-10-07T17:58:05Z) - PanoDR: Spherical Panorama Diminished Reality for Indoor Scenes [0.0]
Diminished Reality (DR)は、シーン内の既存のオブジェクトを削除するために、そのようなアプリケーションの要件を満たす。
屋内(再)計画アプリケーションにおける「現実」の保存には,シーンの構造保存が不可欠である。
本研究では,まず屋内シーンの構造を予測するモデルを提案し,そのモデルを用いて,同じシーンの空の背景のみを再現する手法を提案する。
論文 参考訳(メタデータ) (2021-06-01T12:56:53Z) - 3D-FRONT: 3D Furnished Rooms with layOuts and semaNTics [21.660708913700184]
3D-FRONTは18,968室の3Dオブジェクトを多用しており、公開されているすべてのシーンデータセットをはるかに上回っている。
軽量なレンダリングツールであるTrescopeをリリースし、3D-FRONTの2D画像とアノテーションのベンチマークレンダリングをサポートする。
論文 参考訳(メタデータ) (2020-11-18T07:14:55Z) - 3D-FUTURE: 3D Furniture shape with TextURE [100.62519619022679]
TextUre(3D-Future)による3D家具形状: 家庭シナリオにおける3D家具形状のリッチで大規模リポジトリ。
この技術レポートの時点で、3D-FUTUREは、5000部屋のクリーンでリアルな合成画像20,240枚を含んでいる。
高解像度のテクスチャを備えた家具には、9,992のユニークな3Dインスタンスがある。
論文 参考訳(メタデータ) (2020-09-21T06:26:39Z)
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。