論文の概要: PhyCAGE: Physically Plausible Compositional 3D Asset Generation from a Single Image
- arxiv url: http://arxiv.org/abs/2411.18548v1
- Date: Wed, 27 Nov 2024 17:50:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-01 15:52:53.762743
- Title: PhyCAGE: Physically Plausible Compositional 3D Asset Generation from a Single Image
- Title（参考訳）: PhyCAGE:単一画像からの物理的に可塑性な合成3Dアセット生成
- Authors: Han Yan, Mingrui Zhang, Yang Li, Chao Ma, Pan Ji,
- Abstract要約: 本稿では,PhyCAGEについて述べる。PhyCAGEは1枚の画像から物理的に妥当な合成3Dアセット生成のための最初のアプローチである。
提案手法は,1枚の画像から物理的に妥当な合成3Dアセットを生成することができる。
- 参考スコア（独自算出の注目度）: 19.590576412684054
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present PhyCAGE, the first approach for physically plausible compositional 3D asset generation from a single image. Given an input image, we first generate consistent multi-view images for components of the assets. These images are then fitted with 3D Gaussian Splatting representations. To ensure that the Gaussians representing objects are physically compatible with each other, we introduce a Physical Simulation-Enhanced Score Distillation Sampling (PSE-SDS) technique to further optimize the positions of the Gaussians. It is achieved by setting the gradient of the SDS loss as the initial velocity of the physical simulation, allowing the simulator to act as a physics-guided optimizer that progressively corrects the Gaussians' positions to a physically compatible state. Experimental results demonstrate that the proposed method can generate physically plausible compositional 3D assets given a single image.
- Abstract（参考訳）: 本稿では,PhyCAGEについて述べる。PhyCAGEは1枚の画像から物理的に妥当な合成3Dアセット生成のための最初のアプローチである。
入力画像が与えられた場合、まずアセットのコンポーネントに対して一貫したマルチビュー画像を生成する。
これらの画像には3Dガウススプラッティング表現が組み込まれている。
物体を表すガウスが物理的に相互に適合していることを確認するため,ガウスの位置をより最適化するために物理シミュレーション強化スコア蒸留(PSE-SDS)技術を導入する。
SDS損失の勾配を物理シミュレーションの初期速度として設定することで、シミュレータは、ガウスの位置を物理的に互換性のある状態に漸進的に補正する物理誘導オプティマイザとして機能することができる。
実験結果から,提案手法は1枚の画像から物理的に妥当な合成3Dアセットを生成可能であることが示された。
関連論文リスト
- Creating Your Editable 3D Photorealistic Avatar with Tetrahedron-constrained Gaussian Splatting [17.908135908777325]
編集過程を局所的な空間適応と現実的な外観学習に分離する枠組みを導入する。
このフレームワークは、四面体格子の制御可能な明示的構造と3次元ガウス格子の高精度レンダリング機能を組み合わせる。
定性的かつ定量的な実験は、フォトリアリスティックな3D編集可能なアバターの生成における我々のアプローチの有効性と優位性を示す。
論文 参考訳（メタデータ） (2025-04-29T03:56:36Z) - DSO: Aligning 3D Generators with Simulation Feedback for Physical Soundness [67.97235923372035]
ほとんどの3Dオブジェクトジェネレータは、アプリケーションに必要な物理的制約を無視して、美的品質に重点を置いている。
そのような制約の一つは、3Dオブジェクトが自己支持(つまり、重力下でのバランスが保たれていること)である。
3Dジェネレータが安定な3Dオブジェクトを直接出力する可能性を高めるために、(微分不可能な)シミュレータからのフィードバックを利用するためのフレームワークであるダイレクトシミュレーション最適化(DSO)を提案する。
論文 参考訳（メタデータ） (2025-03-28T17:59:53Z) - GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs [21.3615403516602]
視覚データに対する物理的特性の推定は、コンピュータビジョン、グラフィックス、ロボット工学において重要な課題である。
教材の物理的特性を3Dガウスアンに割り当てる学習自由フレームワークであるガウスプロパティを紹介する。
物理特性アノテーションを持つ3次元ガウスアンが物理に基づく動的シミュレーションやロボットグルーピングに応用できることを実証する。
論文 参考訳（メタデータ） (2024-12-15T17:44:10Z) - PhysMotion: Physics-Grounded Dynamics From a Single Image [24.096925413047217]
物理シミュレーションの原理を取り入れた新しいフレームワークであるPhysMotionを導入し,1つの画像から生成された中間3次元表現をガイドする。
我々のアプローチは、従来のデータ駆動生成モデルの限界に対処し、より一貫した物理的に妥当な動きをもたらす。
論文 参考訳（メタデータ） (2024-11-26T07:59:11Z) - Automated 3D Physical Simulation of Open-world Scene with Gaussian Splatting [22.40115216094332]
Sim Anythingは、静的な3Dオブジェクトにインタラクティブなダイナミクスを与える物理ベースのアプローチである。
人間の視覚的推論に触発されて,MLLMに基づく物理特性知覚を提案する。
また、物理幾何学的適応サンプリングを用いて粒子をサンプリングして、オープンワールドシーンでオブジェクトをシミュレートする。
論文 参考訳（メタデータ） (2024-11-19T12:52:21Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。
物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。
本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。
抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
論文 参考訳（メタデータ） (2024-06-21T07:37:17Z) - MaGS: Reconstructing and Simulating Dynamic 3D Objects with Mesh-adsorbed Gaussian Splatting [27.081250446161114]
本稿では,この課題に対処するために,メッシュ吸着型ガウス平滑化法(MaGS)を提案する。
MaGSは、3Dガウス人がメッシュの近くで歩き回ることを制約し、相互に吸着されたメッシュ-ガウスの3D表現を生成する。
このような表現は、3Dガウスのレンダリングの柔軟性とメッシュの構造的特性の両方を利用する。
論文 参考訳（メタデータ） (2024-06-03T17:59:51Z) - GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z) - GVA: Reconstructing Vivid 3D Gaussian Avatars from Monocular Videos [56.40776739573832]
モノクロビデオ入力(GVA)から鮮明な3Dガウスアバターの作成を容易にする新しい手法を提案する。
私たちのイノベーションは、高忠実な人体再構築を実現するという、複雑な課題に対処することにあります。
通常の地図とシルエットを整列させて手足のポーズ精度を向上させるためにポーズ改善手法を提案する。
論文 参考訳（メタデータ） (2024-02-26T14:40:15Z) - CG3D: Compositional Generation for Text-to-3D via Gaussian Splatting [57.14748263512924]
CG3Dは、スケーラブルな3Dアセットを合成的に生成する手法である。
ガンマ放射場は、オブジェクトの合成を可能にするためにパラメータ化され、意味的および物理的に一貫したシーンを可能にする能力を持っている。
論文 参考訳（メタデータ） (2023-11-29T18:55:38Z) - Differentiable Blocks World: Qualitative 3D Decomposition by Rendering
Primitives [70.32817882783608]
本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。
既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。
得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
論文 参考訳（メタデータ） (2023-07-11T17:58:31Z)
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。