論文の概要: Advances in 4D Generation: A Survey

• arxiv url: http://arxiv.org/abs/2503.14501v2
• Date: Wed, 19 Mar 2025 08:05:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 12:00:52.446294
• Title: Advances in 4D Generation: A Survey
• Title（参考訳）: 4Dジェネレーションの進歩:サーベイ
• Authors: Qiaowei Miao, Kehan Li, Jinsheng Quan, Zhiyuan Min, Shaojie Ma, Yichao Xu, Yi Yang, Yawei Luo,
• Abstract要約: 4D生成は、ユーザ入力に基づいた一貫性のある動的3Dアセットの作成に重点を置いている。 一貫性、制御可能性、多様性、効率、忠実さの5つの主要な課題を要約する。 我々は現在,4D世代の発展を妨げる障害について,詳細な議論を行っている。
• 参考スコア（独自算出の注目度）: 20.285058992203442
• License:
• Abstract: Generative artificial intelligence (AI) has made significant progress across various domains in recent years. Building on the rapid advancements in 2D, video, and 3D content generation fields, 4D generation has emerged as a novel and rapidly evolving research area, attracting growing attention. 4D generation focuses on creating dynamic 3D assets with spatiotemporal consistency based on user input, offering greater creative freedom and richer immersive experiences. This paper presents a comprehensive survey of the 4D generation field, systematically summarizing its core technologies, developmental trajectory, key challenges, and practical applications, while also exploring potential future research directions. The survey begins by introducing various fundamental 4D representation models, followed by a review of 4D generation frameworks built upon these representations and the key technologies that incorporate motion and geometry priors into 4D assets. We summarize five major challenges of 4D generation: consistency, controllability, diversity, efficiency, and fidelity, accompanied by an outline of existing solutions to address these issues. We systematically analyze applications of 4D generation, spanning dynamic object generation, scene generation, digital human synthesis, 4D editing, and autonomous driving. Finally, we provide an in-depth discussion of the obstacles currently hindering the development of the 4D generation. This survey offers a clear and comprehensive overview of 4D generation, aiming to stimulate further exploration and innovation in this rapidly evolving field. Our code is publicly available at: https://github.com/MiaoQiaowei/Awesome-4D.
• Abstract（参考訳）: 生成人工知能(AI)は近年,様々な領域で大きな進歩を遂げている。 2D、ビデオ、および3Dコンテンツ生成分野の急速な進歩を踏まえ、4D世代は新規で急速に発展する研究領域として現れ、注目を集めている。 4D生成は、ユーザー入力に基づいた時空間一貫性を備えたダイナミックな3Dアセットの作成に重点を置いており、より創造的な自由とよりリッチな没入感を提供する。 本稿では,その中核となる技術,開発の軌跡,課題,実践的応用を体系的に要約し,将来的な研究方向性を探求する4D生成分野を包括的に調査する。 調査は、様々な基本的な4D表現モデルの導入から始まり、続いて、これらの表現に基づいて構築された4D生成フレームワークと、モーションと幾何学の先行を4Dアセットに組み込んだ重要な技術についてレビューする。 一貫性、制御可能性、多様性、効率、忠実さの5つの主要な課題を要約し、これらの問題に対処するための既存のソリューションの概要をまとめた。 本研究では, 4D 生成, 動的オブジェクト生成, シーン生成, デジタル人間合成, 4D 編集, 自律運転の応用を体系的に分析する。 最後に、現在4D世代の発展を妨げる障害について、詳細な議論を行う。 この調査は、4D生成の明確かつ包括的な概要を提供し、この急速に発展する分野におけるさらなる探索と革新を促進することを目的としている。 私たちのコードは、https://github.com/MiaoQiaowei/Awesome-4D.comで公開されています。

関連論文リスト

• Dynamic Realms: 4D Content Analysis, Recovery and Generation with Geometric, Topological and Physical Priors [0.8339831319589133]
  私の研究は、4Dは3つの空間次元(x, y, z)と、形状や動きなどの時間次元tを含む4Dコンテンツの分析、回復、生成に焦点を当てています。 私の研究は、幾何学的、トポロジ的、物理的優先事項を取り入れることで、4Dコンテンツ生成をより効率的、アクセシビリティ、高品質にすることを目的としています。
  論文  参考訳（メタデータ） (2024-09-23T03:46:51Z)
• EG4D: Explicit Generation of 4D Object without Score Distillation [105.63506584772331]
  DG4Dは、スコア蒸留なしで高品質で一貫した4Dアセットを生成する新しいフレームワークである。 私たちのフレームワークは、世代品質のベースラインをかなりのマージンで上回ります。
  論文  参考訳（メタデータ） (2024-05-28T12:47:22Z)
• Diffusion4D: Fast Spatial-temporal Consistent 4D Generation via Video Diffusion Models [116.31344506738816]
  高速でスケーラブルな4Dコンテンツ生成のための新しいフレームワーク textbfDiffusion4D を提案する。 ダイナミックな3Dアセットの軌道ビューを合成できる4D対応ビデオ拡散モデルを開発した。 提案手法は, 生成効率と4次元幾何整合性の観点から, 従来の最先端技術を超えている。
  論文  参考訳（メタデータ） (2024-05-26T17:47:34Z)
• A Survey On Text-to-3D Contents Generation In The Wild [5.875257756382124]
  3Dコンテンツ作成は、ゲーム、ロボットシミュレーション、仮想現実など、さまざまなアプリケーションにおいて重要な役割を果たす。 この課題に対処するために、テキストから3D生成技術が、3D生成を自動化するための有望なソリューションとして登場した。
  論文  参考訳（メタデータ） (2024-05-15T15:23:22Z)
• Comp4D: LLM-Guided Compositional 4D Scene Generation [65.5810466788355]
  合成 4D 生成のための新しいフレームワーク Comp4D について述べる。 シーン全体の特異な4D表現を生成する従来の方法とは異なり、Comp4Dはシーン内の各4Dオブジェクトを革新的に別々に構築する。 提案手法は, 予め定義された軌道で導かれる合成スコア蒸留技術を用いている。
  論文  参考訳（メタデータ） (2024-03-25T17:55:52Z)
• Advances in 3D Generation: A Survey [54.95024616672868]
  3Dコンテンツ生成の分野は急速に発展しており、高品質で多様な3Dモデルの作成を可能にしている。 具体的には,3次元生成のバックボーンとして機能する3D表現を紹介する。 本稿では,アルゴリズムのパラダイムのタイプによって分類された,生成手法に関する急成長する文献の概要について概説する。
  論文  参考訳（メタデータ） (2024-01-31T13:06:48Z)
• Generative AI meets 3D: A Survey on Text-to-3D in AIGC Era [36.66506237523448]
  近年、ジェネレーティブAIは大きな進歩を遂げており、テキスト誘導コンテンツ生成が最も実用的になっている。 ニューラルレイディアンス・フィールド(NeRF)のようなテキスト・ツー・イメージ技術や3Dモデリング技術の進歩により、テキスト・トゥ・3Dは生まれながら非常に活発な研究分野として現れてきた。
  論文  参考訳（メタデータ） (2023-05-10T13:26:08Z)
• Deep Generative Models on 3D Representations: A Survey [81.73385191402419]
  生成モデルは、新しいインスタンスを生成することによって観測データの分布を学習することを目的としている。 最近、研究者は焦点を2Dから3Dにシフトし始めた。 3Dデータの表現は、非常に大きな課題をもたらします。
  論文  参考訳（メタデータ） (2022-10-27T17:59:50Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)

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。