論文の概要: FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing Scenes
- arxiv url: http://arxiv.org/abs/2401.03470v2
- Date: Mon, 6 May 2024 06:33:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-08 00:05:27.587474
- 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, Zhaoxiang Zhang, Man Zhang, Junran Peng,
- 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): 57.47534091528937
- 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): 近年、ゲーム、バーチャルリアリティ、インテリアデザインの応用に欠かせないため、屋内シーン生成が注目されている。
現在の屋内シーン生成手法は、合理的な部屋レイアウトを生成することができるが、しばしば多様性と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を使わずに大きな家具だけを含む、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、我々は、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。
室内環境の微粒化を図り,新しい2段階拡散シーンモデル(TSDSM)を導入し,FurniSceneに基づく室内環境評価ベンチマークを実施した。
定量的,質的な評価により,室内のリアルなシーンを再現する手法の有効性が示された。
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
- Infinigen Indoors: Photorealistic Indoor Scenes using Procedural Generation [64.00495042910761]
Infinigen Indoorsは、フォトリアリスティックな屋内シーンのプロシージャジェネレータである。
それは、自然の風景に焦点を当てた既存のインフィニゲンシステムの上に構築されている。
論文 参考訳(メタデータ) (2024-06-17T17:57:50Z) - LLplace: The 3D Indoor Scene Layout Generation and Editing via Large Language Model [58.24851949945434]
LLplace は軽量な微調整のオープンソース LLM Llama3 に基づく新しい3D屋内シーンレイアウトデザイナである。
LLplaceは、空間的関係の先行とコンテキスト内例の必要性を回避し、効率的で信頼性の高い部屋レイアウト生成を可能にする。
提案手法は,高品質な3D設計ソリューションを実現する上で,LLplaceがインタラクティブに3D屋内レイアウトを効果的に生成・編集できることを示す。
論文 参考訳(メタデータ) (2024-06-06T08:53:01Z) - Mixed Diffusion for 3D Indoor Scene Synthesis [55.94569112629208]
混合離散連続拡散モデルアーキテクチャであるMiDiffusionを提案する。
シーンレイアウトを2次元のフロアプランとオブジェクトの集合で表現し、それぞれがそのカテゴリ、場所、サイズ、方向で定義する。
実験により,MiDiffusionは床条件下での3次元シーン合成において,最先端の自己回帰モデルや拡散モデルよりもかなり優れていることが示された。
論文 参考訳(メタデータ) (2024-05-31T17:54:52Z) - 3D scene generation from scene graphs and self-attention [51.49886604454926]
本稿では,シーングラフとフロアプランから3次元シーンを合成する条件付き変分オートエンコーダ(cVAE)モデルを提案する。
我々は、シーン内のオブジェクト間の高レベルな関係をキャプチャするために、自己注意層の特性を利用する。
論文 参考訳(メタデータ) (2024-04-02T12:26:17Z) - 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) - 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) - 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)
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。