Fugu-MT 論文翻訳(概要): Robust 3D-Masked Part-level Editing in 3D Gaussian Splatting with Regularized Score Distillation Sampling

論文の概要: Robust 3D-Masked Part-level Editing in 3D Gaussian Splatting with Regularized Score Distillation Sampling

arxiv url: http://arxiv.org/abs/2507.11061v2
Date: Mon, 21 Jul 2025 10:53:58 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-22 14:33:32.60907
Title: Robust 3D-Masked Part-level Editing in 3D Gaussian Splatting with Regularized Score Distillation Sampling
Title（参考訳）: 正規化スコア蒸留サンプリングによる3次元ガウス切削におけるロバスト3Dマスク部分編集
Authors: Hayeon Kim, Ji Ha Jang, Se Young Chun,
Abstract要約: RoMaPは、精密で劇的な部分レベルの修正を可能にする新しい3Dガウス編集フレームワークである。 3D-Geometry Label Aware Prediction を用いて,ロバストな3Dマスク生成モジュールを提案する。また、標準のSDS損失と追加の正規化器を組み合わせた正規化SDS損失を提案する。
参考スコア（独自算出の注目度）: 13.107571213220123
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advances in 3D neural representations and instance-level editing models have enabled the efficient creation of high-quality 3D content. However, achieving precise local 3D edits remains challenging, especially for Gaussian Splatting, due to inconsistent multi-view 2D part segmentations and inherently ambiguous nature of Score Distillation Sampling (SDS) loss. To address these limitations, we propose RoMaP, a novel local 3D Gaussian editing framework that enables precise and drastic part-level modifications. First, we introduce a robust 3D mask generation module with our 3D-Geometry Aware Label Prediction (3D-GALP), which uses spherical harmonics (SH) coefficients to model view-dependent label variations and soft-label property, yielding accurate and consistent part segmentations across viewpoints. Second, we propose a regularized SDS loss that combines the standard SDS loss with additional regularizers. In particular, an L1 anchor loss is introduced via our Scheduled Latent Mixing and Part (SLaMP) editing method, which generates high-quality part-edited 2D images and confines modifications only to the target region while preserving contextual coherence. Additional regularizers, such as Gaussian prior removal, further improve flexibility by allowing changes beyond the existing context, and robust 3D masking prevents unintended edits. Experimental results demonstrate that our RoMaP achieves state-of-the-art local 3D editing on both reconstructed and generated Gaussian scenes and objects qualitatively and quantitatively, making it possible for more robust and flexible part-level 3D Gaussian editing. Code is available at https://janeyeon.github.io/romap.
Abstract（参考訳）: 近年の3Dニューラル表現とインスタンスレベルの編集モデルにより、高品質な3Dコンテンツの効率的な作成が可能になった。しかし、正確な局所的な3D編集を実現することは、特にガウススプラッティングでは、一貫性のない多視点2D部分分割と、スコア蒸留サンプリング(SDS)損失の本質的にあいまいな性質のため、依然として困難である。これらの制約に対処するため,我々は,局所的な3次元ガウス編集フレームワークであるRoMaPを提案する。まず,3D-Geometry Aware Label Prediction (3D-GALP) を用いたロバストな3次元マスク生成モジュールを提案する。第2に、標準SDS損失と追加の正規化器を組み合わせた正規化SDS損失を提案する。特に,L1アンカーの損失は,高品質な部分編集2D画像を生成し,コンテキストコヒーレンスを保ちながら,対象領域にのみ修正を限定するSLaMP (Schduled Latent Mixing and Part) 編集手法によって引き起こされる。ガウス以前の削除のような追加の正規化器は、既存のコンテキストを超えた変更を可能にすることで柔軟性を向上し、堅牢な3Dマスキングは意図しない編集を妨げている。実験の結果,ロマPはガウスのシーンとオブジェクトを定性的かつ定量的に再現し,より堅牢でフレキシブルな部分レベルのガウスの3D編集を可能にする。コードはhttps://janeyeon.github.io/romapで公開されている。

関連論文リスト

Rethinking Score Distilling Sampling for 3D Editing and Generation [50.52808917055502]
Unified Distillation Sampling (UDS)は、3Dアセットの生成と編集をシームレスに統合する手法である。 UDSは、より詳細な3Dアセットの生成において、ベースラインメソッドよりも優れているだけでなく、編集タスクも優れているため、3D生成と編集のギャップを埋める。
論文参考訳（メタデータ） (2025-05-03T18:40:39Z)
Drag Your Gaussian: Effective Drag-Based Editing with Score Distillation for 3D Gaussian Splatting [55.14822004410817]
DYGは3次元ガウススプラッティングのための効果的な3次元ドラッグベース編集法である。 3次元マスクと一対の制御点を入力して編集範囲を正確に制御できる。 DYGは暗黙三面体表現の強さを統合し、編集結果の幾何学的足場を確立する。
論文参考訳（メタデータ） (2025-01-30T18:51:54Z)
3DSceneEditor: Controllable 3D Scene Editing with Gaussian Splatting [31.98493679748211]
ガウススプラッティングを用いた3次元シーンのリアルタイムかつ高精度な編集を行う3DceneEditorを提案する。従来の方法とは異なり、3DSceneEditorは3Dパイプラインを通して動作し、効率よく高品質な編集のためにガウシアンを直接操作できる。
論文参考訳（メタデータ） (2024-12-02T15:03:55Z)
3D Gaussian Editing with A Single Image [19.662680524312027]
本稿では,3次元ガウシアンスプラッティングをベースとしたワンイメージ駆動の3Dシーン編集手法を提案する。提案手法は,ユーザが指定した視点から描画した画像の編集版に合わせるために,3次元ガウスを最適化することを学ぶ。実験により, 幾何学的詳細処理, 長距離変形, 非剛性変形処理における本手法の有効性が示された。
論文参考訳（メタデータ） (2024-08-14T13:17:42Z)
DragGaussian: Enabling Drag-style Manipulation on 3D Gaussian Representation [57.406031264184584]
DragGaussianは、3D Gaussian Splattingをベースにした3Dオブジェクトのドラッグ編集フレームワークである。我々の貢献は、新しいタスクの導入、インタラクティブなポイントベース3D編集のためのDragGaussianの開発、質的かつ定量的な実験によるその効果の包括的検証などである。
論文参考訳（メタデータ） (2024-05-09T14:34:05Z)
DGE: Direct Gaussian 3D Editing by Consistent Multi-view Editing [72.54566271694654]
オープンな言語命令に基づいて3Dオブジェクトやシーンを編集する際の問題点を考察する。この問題に対する一般的なアプローチは、3D編集プロセスをガイドするために2Dイメージジェネレータまたはエディタを使用することである。このプロセスは、コストのかかる3D表現の反復的な更新を必要とするため、しばしば非効率である。
論文参考訳（メタデータ） (2024-04-29T17:59:30Z)
SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。 SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
論文参考訳（メタデータ） (2024-01-31T14:19:03Z)
SplatMesh: Interactive 3D Segmentation and Editing Using Mesh-Based Gaussian Splatting [86.50200613220674]
3Dベースのインタラクティブ編集における重要な課題は、与えられたメモリ制約の下で様々な修正と高品質なビュー合成のバランスをとる効率的な表現がないことである。 SplatMeshは,3次元ガウススプラッティングと事前計算メッシュを統合した,対話型3Dセグメンテーション・編集アルゴリズムである。単純化されたメッシュのセグメンテーションと編集により、ガウススプレートの編集も効果的に行えます。
論文参考訳（メタデータ） (2023-12-26T02:50:42Z)
Plasticine3D: 3D Non-Rigid Editing with Text Guidance by Multi-View Embedding Optimization [21.8454418337306]
本研究では,3次元非剛性編集が可能なテキスト誘導型3D編集パイプラインであるPlastine3Dを提案する。本研究は,編集過程を幾何学的編集段階とテクスチャ的編集段階に分割し,構造と外観を別々に制御する。細粒度制御のために,埋め込み空間の編集目的と原特徴を融合させるエンベディング・フュージョン (EF) を提案する。
論文参考訳（メタデータ） (2023-12-15T09:01:54Z)

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。