Fugu-MT 論文翻訳(概要): Generative AI for Accessible and Inclusive Extended Reality

論文の概要: Generative AI for Accessible and Inclusive Extended Reality

arxiv url: http://arxiv.org/abs/2410.23803v1
Date: Thu, 31 Oct 2024 10:43:43 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-01 17:00:50.245471
Title: Generative AI for Accessible and Inclusive Extended Reality
Title（参考訳）: アクセシブルで包括的な拡張現実のための生成AI
Authors: Jens Grubert, Junlong Chen, Per Ola Kristensson,
Abstract要約: 我々は、AIGCの潜在的なメリットと、包括的でアクセス可能な仮想環境を作成する上での課題についても論じる。具体的には,3Dモデリングの専門知識の不足,シンボルのみのメリット,マルチモーダル入力,3Dコンテンツ編集,3Dモデルアクセシビリティ,基礎モデル固有の課題について触れる。
参考スコア（独自算出の注目度）: 20.669785157017486
License:
Abstract: Artificial Intelligence-Generated Content (AIGC) has the potential to transform how people build and interact with virtual environments. Within this paper, we discuss potential benefits but also challenges that AIGC has for the creation of inclusive and accessible virtual environments. Specifically, we touch upon the decreased need for 3D modeling expertise, benefits of symbolic-only as well as multimodal input, 3D content editing, and 3D model accessibility as well as foundation model-specific challenges.
Abstract（参考訳）: AIGC(Artificial Intelligence-Generated Content)は、人々が仮想環境を構築し、操作する方法を変える可能性がある。本稿では,AIGCの持つ潜在的なメリットと,包括的でアクセス可能な仮想環境構築の課題について論じる。具体的には,3Dモデリングの専門知識の不足,シンボルのみのメリット,マルチモーダル入力,3Dコンテンツ編集,3Dモデルアクセシビリティ,基礎モデル固有の課題について触れる。

関連論文リスト

Articulate-Anything: Automatic Modeling of Articulated Objects via a Vision-Language Foundation Model [35.184607650708784]
Articulate-Anythingは、テキスト、画像、ビデオを含む多くの入力モダリティから、多種多様な複雑なオブジェクトの明瞭化を自動化する。本システムでは,メッシュ検索機構を通じて既存の3Dデータセットを,反復的に提案,評価,洗練を行うアクタ・クリティカル・システムとともに活用する。
論文参考訳（メタデータ） (2024-10-03T19:42:16Z)
Social Conjuring: Multi-User Runtime Collaboration with AI in Building Virtual 3D Worlds [3.5152339192019113]
Social Conjurerは、AIによる動的3Dシーンの共同作成のためのフレームワークである。本稿では,AIモデルを3次元コンテンツ生成に組み込んだヒューマン中心インタフェースの設計における意味について述べる。
論文参考訳（メタデータ） (2024-09-30T23:02:51Z)
Coral Model Generation from Single Images for Virtual Reality Applications [22.18438294137604]
本稿では,1つの画像から高精度な3次元サンゴモデルを生成するディープラーニングフレームワークを提案する。このプロジェクトには、AI生成モデルをインタラクティブな"アートワーク"に変換するための説明可能なAI(XAI)が組み込まれている。
論文参考訳（メタデータ） (2024-09-04T01:54:20Z)
Atlas3D: Physically Constrained Self-Supporting Text-to-3D for Simulation and Fabrication [50.541882834405946]
我々は,テキストから3Dへの自動的実装であるAtlas3Dを紹介する。提案手法は,新しい微分可能シミュレーションに基づく損失関数と,物理的にインスパイアされた正規化を組み合わせたものである。我々は、Atlas3Dの有効性を広範囲な生成タスクを通して検証し、シミュレーションと実環境の両方で結果の3Dモデルを検証する。
論文参考訳（メタデータ） (2024-05-28T18:33:18Z)
Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文参考訳（メタデータ） (2024-02-19T15:33:09Z)
VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality [39.53150683721031]
提案するVR-GSシステムは,人間中心の3Dコンテンツインタラクションにおける飛躍的な進歩を示す。私たちの仮想現実システムのコンポーネントは、高い効率と有効性のために設計されています。
論文参考訳（メタデータ） (2024-01-30T01:28:36Z)
On the Emergence of Symmetrical Reality [51.21203247240322]
物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
論文参考訳（メタデータ） (2024-01-26T16:09:39Z)
Beyond Reality: The Pivotal Role of Generative AI in the Metaverse [98.1561456565877]
本稿では、生成型AI技術がMetaverseをどう形成しているかを包括的に調査する。我々は、AI生成文字による会話インタフェースを強化しているChatGPTやGPT-3といったテキスト生成モデルの応用を探求する。また、現実的な仮想オブジェクトを作成する上で、Point-EやLumimithmicのような3Dモデル生成技術の可能性についても検討する。
論文参考訳（メタデータ） (2023-07-28T05:44:20Z)
ArK: Augmented Reality with Knowledge Interactive Emergent Ability [115.72679420999535]
基礎モデルから新しいドメインへの知識記憶の伝達を学習する無限エージェントを開発する。私たちのアプローチの核心は、Augmented Reality with Knowledge Inference Interaction (ArK)と呼ばれる新しいメカニズムである。我々のArKアプローチは,大規模な基礎モデルと組み合わせることで,生成された2D/3Dシーンの品質を大幅に向上することを示す。
論文参考訳（メタデータ） (2023-05-01T17:57:01Z)
WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
論文参考訳（メタデータ） (2021-10-27T12:25:21Z)
Joint Supervised and Self-Supervised Learning for 3D Real-World Challenges [16.328866317851187]
ポイントクラウド処理と3D形状理解は、ディープラーニング技術が大きな可能性を実証する難しいタスクである。ここでは、データ不足と大きなドメインギャップにより教師付き学習が失敗する合成および実世界の点雲を含むいくつかのシナリオについて考察する。形状分類や部分分割の主課題を学習しながら3次元パズルを解くマルチタスクモデルにより、自己超越を利用して、標準的な特徴表現を豊かにすることを提案する。
論文参考訳（メタデータ） (2020-04-15T23:34:03Z)

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。