論文の概要: Top2Pano: Learning to Generate Indoor Panoramas from Top-Down View
- arxiv url: http://arxiv.org/abs/2507.21371v1
- Date: Mon, 28 Jul 2025 22:32:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-30 17:08:55.364581
- Title: Top2Pano: Learning to Generate Indoor Panoramas from Top-Down View
- Title（参考訳）: Top2Pano: トップダウンビューから屋内パノラマ生成を学ぶ
- Authors: Zitong Zhang, Suranjan Gautam, Rui Yu,
- Abstract要約: Top2Panoは、トップダウンビューからリアルな屋内パノラマのエンドツーエンドモデルである。
提案手法は, 3次元構造を推定するために体積占有量を推定し, 粗い色と深度パノラマを生成するために体積レンダリングを用いる。
- 参考スコア（独自算出の注目度）: 1.182769785560032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generating immersive 360{\deg} indoor panoramas from 2D top-down views has applications in virtual reality, interior design, real estate, and robotics. This task is challenging due to the lack of explicit 3D structure and the need for geometric consistency and photorealism. We propose Top2Pano, an end-to-end model for synthesizing realistic indoor panoramas from top-down views. Our method estimates volumetric occupancy to infer 3D structures, then uses volumetric rendering to generate coarse color and depth panoramas. These guide a diffusion-based refinement stage using ControlNet, enhancing realism and structural fidelity. Evaluations on two datasets show Top2Pano outperforms baselines, effectively reconstructing geometry, occlusions, and spatial arrangements. It also generalizes well, producing high-quality panoramas from schematic floorplans. Our results highlight Top2Pano's potential in bridging top-down views with immersive indoor synthesis.
- Abstract（参考訳）: 没入型360{\deg}屋内パノラマを2Dトップダウンビューから生成することは、仮想現実、インテリアデザイン、不動産、ロボット工学に応用できる。
この課題は、明示的な3D構造が欠如し、幾何学的整合性やフォトリアリズムの必要性のため、困難である。
トップダウンビューからリアルな屋内パノラマを合成するエンド・ツー・エンドモデルであるTop2Panoを提案する。
提案手法では, 3次元構造を推定するために体積占有量を推定し, 粗い色と深度パノラマを生成するために体積レンダリングを用いる。
これらは、ControlNetを使用して拡散に基づく洗練ステージをガイドし、リアリズムと構造的忠実性を高める。
2つのデータセットの評価では、Top2Panoがベースラインを上回り、ジオメトリ、オクルージョン、空間配置を効果的に再構築している。
また、うまく一般化し、スキーマ的なフロアプランから高品質なパノラマを生成する。
以上の結果から,Top2Panoが室内での没入型合成でトップダウンビューを橋渡しする可能性を強調した。
関連論文リスト
- DreamCube: 3D Panorama Generation via Multi-plane Synchronization [17.690754213112108]
3Dパノラマ合成は、生成した全方位コンテンツの高品質で多様な視覚的外観と幾何学を必要とする、有望だが挑戦的なタスクである。
既存の手法では、事前訓練された2D基礎モデルのリッチ画像の事前利用により、3Dパノラマデータの不足を回避することができる。
本研究では、2次元基礎モデルから演算子に多面同期を適用することにより、その機能を全方位領域にシームレスに拡張できることを実証する。
論文 参考訳（メタデータ） (2025-06-20T17:55:06Z) - Splatter-360: Generalizable 360$^{\circ}$ Gaussian Splatting for Wide-baseline Panoramic Images [52.48351378615057]
textitSplatter-360は、ワイドベースラインパノラマ画像を扱うための、エンドツーエンドの汎用3DGSフレームワークである。
パノラマ画像に固有の歪みを緩和する3D対応複投影エンコーダを提案する。
これにより、堅牢な3D対応機能表現とリアルタイムレンダリングが可能になる。
論文 参考訳（メタデータ） (2024-12-09T06:58:31Z) - DiffPano: Scalable and Consistent Text to Panorama Generation with Spherical Epipolar-Aware Diffusion [60.45000652592418]
本稿では,テキスト駆動型パノラマ生成フレームワークDiffPanoを提案し,拡張性,一貫性,多様なパノラマシーン生成を実現する。
DiffPanoは、不明瞭なテキスト記述とカメラのポーズによって、一貫した多様なパノラマ画像を生成することができることを示す。
論文 参考訳（メタデータ） (2024-10-31T17:57:02Z) - LayerPano3D: Layered 3D Panorama for Hyper-Immersive Scene Generation [105.52153675890408]
3D没入型シーン生成はコンピュータビジョンとグラフィックスにおいて難しいが重要な課題である。
Layerpano3Dは、単一のテキストプロンプトからフルビューで探索可能なパノラマ3Dシーンを生成するための新しいフレームワークである。
論文 参考訳（メタデータ） (2024-08-23T17:50:23Z) - Pano2Room: Novel View Synthesis from a Single Indoor Panorama [20.262621556667852]
Pano2Roomは、1枚のパノラマ画像から高品質な3D屋内シーンを自動的に再構築するように設計されている。
鍵となるアイデアは、最初に入力パノラマから予備メッシュを構築し、パノラマRGBDインペイントを使用して反復的にこのメッシュを洗練することである。
精巧なメッシュは3次元ガウス散乱場に変換され、収集された擬似ノベルビューで訓練される。
論文 参考訳（メタデータ） (2024-08-21T08:19:12Z) - DreamScene360: Unconstrained Text-to-3D Scene Generation with Panoramic Gaussian Splatting [56.101576795566324]
テキストから3D 360$circ$のシーン生成パイプラインを提示する。
提案手法は, 2次元拡散モデルの生成力を利用して, 自己複製を促進する。
当社の手法は,360ドル(約3万2000円)の視野内で,グローバルに一貫した3Dシーンを提供する。
論文 参考訳（メタデータ） (2024-04-10T10:46:59Z) - Scaled 360 layouts: Revisiting non-central panoramas [5.2178708158547025]
非中央パノラマを用いた室内環境の3次元レイアウト復元手法を提案する。
我々は、新しい幾何学的処理において、非中央プロジェクションシステムの特性を利用して、スケールしたレイアウトを復元する。
論文 参考訳（メタデータ） (2024-02-02T14:55:36Z) - PERF: Panoramic Neural Radiance Field from a Single Panorama [109.31072618058043]
PERFはパノラマ性神経放射場を1つのパノラマから訓練する新しいビュー合成フレームワークである。
本研究では,360度2Dシーンを3Dシーンに持ち上げるために,新しい共同RGBDインペイント法とプログレッシブ・インペイント・アンド・エラスティング法を提案する。
PERFは,パノラマから3D,テキストから3D,3Dシーンのスタイリングなど,現実世界のアプリケーションに広く利用することができる。
論文 参考訳（メタデータ） (2023-10-25T17:59:01Z) - PanoGRF: Generalizable Spherical Radiance Fields for Wide-baseline
Panoramas [54.4948540627471]
広帯域パノラマのための一般化可能な球面放射場パノGRFを提案する。
パノGRFは、視線画像に基づいて訓練された一般化可能な放射場とは異なり、パノラマからパースペクティブへの変換から情報損失を回避する。
複数のパノラマデータセットの結果は、パノGRFが最先端の一般化可能なビュー合成法よりも著しく優れていることを示している。
論文 参考訳（メタデータ） (2023-06-02T13:35:07Z) - Layout-guided Indoor Panorama Inpainting with Plane-aware Normalization [10.721512251097606]
室内パノラマ画像インペイントのためのエンドツーエンドのディープラーニングフレームワークを提案する。
室内パノラマの塗布過程における世界的・地域的文脈を生かした。
実験の結果,我々の研究はパノラマデータセット上での最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-01-13T15:48:40Z) - HORIZON: High-Resolution Semantically Controlled Panorama Synthesis [105.55531244750019]
パノラマ合成は、仮想世界の中心にユーザーを没入させ、360度の視覚的な風景を再現する。
視覚合成の最近の進歩は、2次元平面画像における意味制御の可能性を解き放ったが、これらの手法のパノラマ合成への直接的応用は歪んだ内容を生み出す。
我々は,高分解能パノラマを生成するための革新的な枠組みを公表し,洗練された球面モデリングによる球面歪みとエッジ不連続性の問題に着目した。
論文 参考訳（メタデータ） (2022-10-10T09:43:26Z)
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。