論文の概要: PlantDreamer: Achieving Realistic 3D Plant Models with Diffusion-Guided Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2505.15528v1
• Date: Wed, 21 May 2025 13:51:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.676381
• Title: PlantDreamer: Achieving Realistic 3D Plant Models with Diffusion-Guided Gaussian Splatting
• Title（参考訳）: PlantDreamer:拡散誘導型ガウススプラッティングによるリアルな3Dプラントモデルの実現
• Authors: Zane K J Hartley, Lewis A G Stuart, Andrew P French, Michael P Pound,
• Abstract要約: 我々は3D合成プラント生成の新しいアプローチであるPlantDreamerを紹介した。 複雑な植物形状やテクスチャに対して、利用可能なテキストから3Dモデルよりも高いレベルのリアリズムを実現することができる。 我々は、その出力を最先端のテキスト・ツー・3Dモデルと比較することで、我々のアプローチを評価する。
• 参考スコア（独自算出の注目度）: 0.7937206070844555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent years have seen substantial improvements in the ability to generate synthetic 3D objects using AI. However, generating complex 3D objects, such as plants, remains a considerable challenge. Current generative 3D models struggle with plant generation compared to general objects, limiting their usability in plant analysis tools, which require fine detail and accurate geometry. We introduce PlantDreamer, a novel approach to 3D synthetic plant generation, which can achieve greater levels of realism for complex plant geometry and textures than available text-to-3D models. To achieve this, our new generation pipeline leverages a depth ControlNet, fine-tuned Low-Rank Adaptation and an adaptable Gaussian culling algorithm, which directly improve textural realism and geometric integrity of generated 3D plant models. Additionally, PlantDreamer enables both purely synthetic plant generation, by leveraging L-System-generated meshes, and the enhancement of real-world plant point clouds by converting them into 3D Gaussian Splats. We evaluate our approach by comparing its outputs with state-of-the-art text-to-3D models, demonstrating that PlantDreamer outperforms existing methods in producing high-fidelity synthetic plants. Our results indicate that our approach not only advances synthetic plant generation, but also facilitates the upgrading of legacy point cloud datasets, making it a valuable tool for 3D phenotyping applications.
• Abstract（参考訳）: 近年、AIを使って合成3Dオブジェクトを生成する能力が大幅に改善されている。 しかし、植物のような複雑な3Dオブジェクトを生成することは、依然としてかなりの課題である。 現在の生成型3Dモデルは、一般的なオブジェクトと比較して植物生成に苦労し、詳細な詳細と正確な幾何学を必要とする植物解析ツールのユーザビリティを制限している。 そこで本研究では,3次元合成プラント生成の新しいアプローチであるPlantDreamerを紹介し,複雑な植物形状やテクスチャに対して,利用可能なテキストから3次元モデルよりも高いレベルのリアリズムを実現する。 これを実現するために、我々は、深度制御ネット、微調整低ランク適応、適応可能なガウスカルリングアルゴリズムを活用し、生成した3次元プラントモデルのテクスチャリアリズムと幾何的整合性を直接改善する。 さらに、L-System生成メッシュを活用することによって、純粋に合成された植物生成と、3Dガウススプラットに変換することで、現実世界の植物点雲の増強が可能である。 我々は,その出力を最先端のテキスト・ツー・3Dモデルと比較し,PandDreamerが高忠実性合成プラントの製造において既存手法より優れていることを示す。 提案手法は, 合成プラント生成の進展だけでなく, レガシポイントクラウドデータセットのアップグレードも促進し, 3次元表現型アプリケーションに有用なツールであることを示す。

関連論文リスト

• A Survey on 3D Reconstruction Techniques in Plant Phenotyping: From Classical Methods to Neural Radiance Fields (NeRF), 3D Gaussian Splatting (3DGS), and Beyond [15.48852238904361]
  植物形質転換は、植物形質とその環境との相互作用を理解する上で重要な役割を担っている。 3D再構成技術は、植物の形態や構造を詳細に把握するための強力なツールとして登場した。 本稿では,植物表現の3次元再構成技術について概説する。
  論文  参考訳（メタデータ） (2025-04-30T02:04:23Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• CropCraft: Inverse Procedural Modeling for 3D Reconstruction of Crop Plants [16.558411700996746]
  逆手続きモデルによる植物形態のモデル最適化に基づく農作物の3次元再構築手法を提案する。 本手法を農業現場の実画像のデータセット上で検証し, 様々なモニタリング・シミュレーションに応用できることを実証する。
  論文  参考訳（メタデータ） (2024-11-14T18:58:02Z)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• GeoGen: Geometry-Aware Generative Modeling via Signed Distance Functions [22.077366472693395]
  単一ビューコレクションから3次元形状と画像を合成するための新しい生成手法を提案する。 ニューラルラディアンス場を用いたボリュームレンダリングを用いることで、生成した幾何学はノイズが多く、制約がないという重要な制限を継承する。 エンド・ツー・エンドで訓練された新しいSDFベースの3D生成モデルであるGeoGenを提案する。
  論文  参考訳（メタデータ） (2024-06-06T17:00:10Z)
• Generative Novel View Synthesis with 3D-Aware Diffusion Models [96.78397108732233]
  単一入力画像から3D対応の新規ビュー合成のための拡散モデルを提案する。 提案手法は既存の2次元拡散バックボーンを利用するが,重要な点として,幾何学的先行を3次元特徴体積の形で組み込む。 新たなビュー生成に加えて,本手法は3次元一貫性シーケンスを自己回帰的に合成する機能を備えている。
  論文  参考訳（メタデータ） (2023-04-05T17:15:47Z)
• GVP: Generative Volumetric Primitives [76.95231302205235]
  本稿では,512解像度画像をリアルタイムにサンプリング・レンダリングできる最初の純3次元生成モデルである生成ボリュームプリミティブ(GVP)を提案する。 GVPは、複数のプリミティブとその空間情報を共同でモデル化し、どちらも2D畳み込みネットワークを介して効率的に生成することができる。 いくつかのデータセットの実験は、最先端技術よりも優れた効率性とGVPの3次元一貫性を示す。
  論文  参考訳（メタデータ） (2023-03-31T16:50:23Z)
• UltraPose: Synthesizing Dense Pose with 1 Billion Points by Human-body Decoupling 3D Model [58.70130563417079]
  我々は,身体の発生を自由に制御できる,一連の分離されたパラメータを持つ新しい3次元人体モデルを導入する。 既存の手動注釈付きDensePose-COCOデータセットと比較して、合成されたUltraPoseは、アノテーションのコストと誤差を伴わずに、超高密度な画像-地上対応を持つ。
  論文  参考訳（メタデータ） (2021-10-28T16:24:55Z)

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。