論文の概要: TerraFusion: Joint Generation of Terrain Geometry and Texture Using Latent Diffusion Models
- arxiv url: http://arxiv.org/abs/2505.04050v1
- Date: Wed, 07 May 2025 01:41:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-08 19:07:35.94641
- Title: TerraFusion: Joint Generation of Terrain Geometry and Texture Using Latent Diffusion Models
- Title（参考訳）: テラフュージョン:潜在拡散モデルを用いた地形形状とテクスチャの連成生成
- Authors: Kazuki Higo, Toshiki Kanai, Yuki Endo, Yoshihiro Kanamori,
- Abstract要約: 潜在拡散モデルを用いて地形の高度マップとテクスチャを共同で生成する手法を提案する。
提案手法は,高さマップとテクスチャの相関を保ちながら,直感的な地形生成を可能にすることを示す。
- 参考スコア（独自算出の注目度）: 1.3999481573773072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D terrain models are essential in fields such as video game development and film production. Since surface color often correlates with terrain geometry, capturing this relationship is crucial to achieving realism. However, most existing methods generate either a heightmap or a texture, without sufficiently accounting for the inherent correlation. In this paper, we propose a method that jointly generates terrain heightmaps and textures using a latent diffusion model. First, we train the model in an unsupervised manner to randomly generate paired heightmaps and textures. Then, we perform supervised learning of an external adapter to enable user control via hand-drawn sketches. Experiments show that our approach allows intuitive terrain generation while preserving the correlation between heightmaps and textures.
- Abstract（参考訳）: 3次元地形モデルは、ビデオゲーム開発や映画制作といった分野において不可欠である。
表面の色は地形と相関することが多いので、この関係を捉えることは現実主義を達成するのに不可欠である。
しかし、既存のほとんどの手法は、固有の相関を十分に考慮せずに、ハイトマップまたはテクスチャを生成する。
本稿では,潜在拡散モデルを用いて地形の高度マップとテクスチャを共同で生成する手法を提案する。
まず、教師なしの方法でモデルをトレーニングし、ペア化された高さマップとテクスチャをランダムに生成する。
そして,手書きスケッチによるユーザ制御を実現するために,外部アダプタの教師あり学習を行う。
提案手法は,高さマップとテクスチャの相関を保ちながら,直感的な地形生成を可能にすることを示す。
関連論文リスト
- TriTex: Learning Texture from a Single Mesh via Triplane Semantic Features [78.13246375582906]
本研究では,1つのテクスチャメッシュから体積テクスチャ場を学習し,セマンティックな特徴を対象色にマッピングする手法を提案する。
本手法は,ゲーム開発などのアプリケーションにおいて,3次元モデル間で優れたテクスチャ品質を実現する。
論文 参考訳（メタデータ） (2025-03-20T18:35:03Z) - TEXGen: a Generative Diffusion Model for Mesh Textures [63.43159148394021]
我々は、UVテクスチャ空間自体における学習の根本的な問題に焦点を当てる。
本稿では,点クラウド上にアテンション層を持つUVマップ上の畳み込みをインターリーブするスケーラブルなネットワークアーキテクチャを提案する。
テキストプロンプトとシングルビュー画像によって導かれるUVテクスチャマップを生成する7億のパラメータ拡散モデルを訓練する。
論文 参考訳（メタデータ） (2024-11-22T05:22:11Z) - Single Mesh Diffusion Models with Field Latents for Texture Generation [18.78126579775479]
本稿では,3次元形状の表面に直接作用する固有潜在拡散モデルを提案する。
私たちは、メッシュ上の特定のテクスチャのバリエーションを生成するために、モデルがトレーニングされる、単一テクスチャ・メシュのパラダイムを考えています。
我々のモデルは、インペイントやラベル誘導生成などのユーザ制御編集タスクにも適応できる。
論文 参考訳（メタデータ） (2023-12-14T18:59:36Z) - TexFusion: Synthesizing 3D Textures with Text-Guided Image Diffusion
Models [77.85129451435704]
大規模誘導画像拡散モデルを用いて3次元テクスチャを合成する手法を提案する。
具体的には、潜時拡散モデルを利用し、セット・デノナイジング・モデルと集合・デノナイジング・テキスト・マップを適用する。
論文 参考訳（メタデータ） (2023-10-20T19:15:29Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - Deep Generative Framework for Interactive 3D Terrain Authoring and
Manipulation [4.202216894379241]
本稿では,VAEと生成条件GANモデルを組み合わせた新しいランドスケープオーサリングフレームワークを提案する。
我々のフレームワークは実世界の地形データセットから潜在空間を学習することで既存の手法の限界を克服しようとする例に基づく手法である。
我々はまた、ユーザが最小限の入力で多様な地形を生成できるインタラクティブツールを開発した。
論文 参考訳（メタデータ） (2022-01-07T08:58:01Z)
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。