論文の概要: 3D Shape Generation: A Survey
- arxiv url: http://arxiv.org/abs/2506.22678v1
- Date: Fri, 27 Jun 2025 23:06:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.510686
- Title: 3D Shape Generation: A Survey
- Title（参考訳）: 3次元形状生成:サーベイ
- Authors: Nicolas Caytuiro, Ivan Sipiran,
- Abstract要約: 近年のディープラーニングの進歩は、3次元形状生成の分野に変化をもたらした。
本調査では, 形状表現, 生成的モデリングアプローチ, 評価プロトコルの3つのコアコンポーネントに関する議論をまとめる。
オープンな課題を特定し、制御可能で効率的で高品質な3D形状生成の進展を促す将来の研究方向を概説する。
- 参考スコア（独自算出の注目度）: 0.6445605125467574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in deep learning have significantly transformed the field of 3D shape generation, enabling the synthesis of complex, diverse, and semantically meaningful 3D objects. This survey provides a comprehensive overview of the current state of the art in 3D shape generation, organizing the discussion around three core components: shape representations, generative modeling approaches, and evaluation protocols. We begin by categorizing 3D representations into explicit, implicit, and hybrid setups, highlighting their structural properties, advantages, and limitations. Next, we review a wide range of generation methods, focusing on feedforward architectures. We further summarize commonly used datasets and evaluation metrics that assess fidelity, diversity, and realism of generated shapes. Finally, we identify open challenges and outline future research directions that could drive progress in controllable, efficient, and high-quality 3D shape generation. This survey aims to serve as a valuable reference for researchers and practitioners seeking a structured and in-depth understanding of this rapidly evolving field.
- Abstract（参考訳）: ディープラーニングの最近の進歩は、3D形状生成の分野を大きく変え、複雑で多様で意味のある3Dオブジェクトの合成を可能にした。
本調査は, 形状表現, 生成モデルアプローチ, 評価プロトコルの3つのコアコンポーネントに関する議論をまとめ, 3次元形状生成の現状を概観する。
まず、3D表現を明示的で暗黙的でハイブリッドな設定に分類し、それらの構造的特性、利点、限界を強調します。
次に,フィードフォワードアーキテクチャに着目した多種多様な生成手法について概説する。
さらに, 生成した形状の忠実度, 多様性, 現実性を評価するための, 一般的なデータセットと評価指標を要約する。
最後に、オープンな課題を特定し、制御可能で効率的で高品質な3D形状生成の進展を促す将来の研究方向を概説する。
この調査は、この急速に発展する分野の構造化された深い理解を求める研究者や実践者にとって、貴重な参考となることを目的としている。
関連論文リスト
- Geometry-Aware Preference Learning for 3D Texture Generation [8.953379216683732]
本稿では,3次元生成パイプライン全体を通じて人間の嗜好をバックプロパガンダする,エンドツーエンドで微分可能な選好学習フレームワークを提案する。
提案する4つの新しい幾何認識報酬関数を用いて,本フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2025-06-23T06:24:12Z) - Recent Advance in 3D Object and Scene Generation: A Survey [14.673302810271219]
本調査は,最先端の3D生成技術に関する構造化された理解を読者に提供することを目的としている。
本稿では,レイアウト誘導合成,2次元先行シーン生成,ルール駆動モデリングの3つの主要なパラダイムに着目した。
論文 参考訳（メタデータ） (2025-04-16T03:22:06Z) - 3D Representation Methods: A Survey [0.0]
3D表現は、様々なアプリケーションにおける高忠実度3Dモデルの需要の増加によって、大きな進歩を遂げてきた。
本稿では,3次元表現法の開発と現状を概観し,研究の軌跡,革新,強度,弱さを概観する。
論文 参考訳（メタデータ） (2024-10-09T02:01:05Z) - Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。
一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
論文 参考訳（メタデータ） (2024-06-17T07:43:53Z) - A Comprehensive Survey of 3D Dense Captioning: Localizing and Describing
Objects in 3D Scenes [80.20670062509723]
3Dシークエンスキャプションは、3Dシーンの詳細な説明を作成することを目的とした、視覚言語によるブリッジングタスクである。
2次元の視覚的キャプションと比較して、現実世界の表現が密接なため、大きな可能性と課題が提示される。
既存手法の人気と成功にもかかわらず、この分野の進歩を要約した総合的な調査は乏しい。
論文 参考訳（メタデータ） (2024-03-12T10:04:08Z) - 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) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - 3D objects and scenes classification, recognition, segmentation, and
reconstruction using 3D point cloud data: A review [5.85206759397617]
3次元(3D)点雲解析は、現実的な画像やマシンビジョンにおいて魅力的な対象の1つとなっている。
最近、ディープラーニングモデルのような様々な技術を用いて、新しい戦略の開発に多大な努力が注がれている。
オブジェクトやシーンの検出,認識,セグメンテーション,再構築など,3Dポイントで行うさまざまなタスクについて検討した。
論文 参考訳（メタデータ） (2023-06-09T15:45:23Z) - 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) - Active 3D Shape Reconstruction from Vision and Touch [66.08432412497443]
人間は、視覚と触覚を共同で利用して、活発な物体探索を通じて世界の3D理解を構築する。
3次元形状の再構成では、最新の進歩はRGB画像、深度マップ、触覚読影などの限られた感覚データの静的データセットに依存している。
1)高空間分解能視覚に基づく触覚センサを応用した3次元物体のアクティブタッチに活用した触覚シミュレータ,2)触覚やビジュオクティビティルを先導するメッシュベースの3次元形状再構成モデル,3)触覚やビジュオのいずれかを用いたデータ駆動型ソリューションのセットからなるシステムを導入する。
論文 参考訳（メタデータ） (2021-07-20T15:56:52Z)
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。