論文の概要: Large Material Gaussian Model for Relightable 3D Generation

• arxiv url: http://arxiv.org/abs/2509.22112v1
• Date: Fri, 26 Sep 2025 09:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.335388
• Title: Large Material Gaussian Model for Relightable 3D Generation
• Title（参考訳）: 大型材料ガウスモデルによる3次元再生
• Authors: Jingrui Ye, Lingting Zhu, Runze Zhang, Zeyu Hu, Yingda Yin, Lanjiong Li, Lequan Yu, Qingmin Liao,
• Abstract要約: 物理ベースレンダリング(PBR)素材を用いた高品質な3Dコンテンツ作成のための新しいフレームワークを提案する。 また,本手法は,ベースライン法に比べて視覚的魅力が向上するだけでなく,材料モデリングも向上し,下流レンダリングの実用化を可能にした。
• 参考スコア（独自算出の注目度）: 54.10879517395551
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing demand for 3D assets across various industries necessitates efficient and automated methods for 3D content creation. Leveraging 3D Gaussian Splatting, recent large reconstruction models (LRMs) have demonstrated the ability to efficiently achieve high-quality 3D rendering by integrating multiview diffusion for generation and scalable transformers for reconstruction. However, existing models fail to produce the material properties of assets, which is crucial for realistic rendering in diverse lighting environments. In this paper, we introduce the Large Material Gaussian Model (MGM), a novel framework designed to generate high-quality 3D content with Physically Based Rendering (PBR) materials, ie, albedo, roughness, and metallic properties, rather than merely producing RGB textures with uncontrolled light baking. Specifically, we first fine-tune a new multiview material diffusion model conditioned on input depth and normal maps. Utilizing the generated multiview PBR images, we explore a Gaussian material representation that not only aligns with 2D Gaussian Splatting but also models each channel of the PBR materials. The reconstructed point clouds can then be rendered to acquire PBR attributes, enabling dynamic relighting by applying various ambient light maps. Extensive experiments demonstrate that the materials produced by our method not only exhibit greater visual appeal compared to baseline methods but also enhance material modeling, thereby enabling practical downstream rendering applications.
• Abstract（参考訳）: 様々な産業における3D資産の需要の増加は、3Dコンテンツ作成のための効率的で自動化された手法を必要としている。 近年の大規模再構成モデル (LRM) では, 生成用マルチビュー拡散と再構成用スケーラブルトランスフォーマーを組み合わせることで, 高品質な3Dレンダリングを効率的に実現できることが実証されている。 しかし、既存のモデルは、様々な照明環境において現実的なレンダリングに欠かせない資産の材料特性を創出することができない。 本稿では, 物理ベースレンダリング(PBR)材料, ie, albedo, 粗さ, 金属特性を用いて高品質な3Dコンテンツを生成するための新しいフレームワークであるLarge Material Gaussian Model(MGM)を紹介する。 具体的には,入力深度と正規写像を条件とした新しい多視点材料拡散モデルについて検討する。 生成したマルチビューPBR画像を用いて、2次元ガウススプラッティングだけでなく、PBR素材の各チャネルをモデル化したガウス材料表現を探索する。 再構成された点雲を描画してPBR属性を取得し、様々な環境光マップを適用することで動的照準を可能にする。 大規模な実験により,本手法で作製した材料は,ベースライン法よりも優れた視覚的魅力を示すだけでなく,材料モデリングの強化も図っている。

関連論文リスト

• PBR3DGen: A VLM-guided Mesh Generation with High-quality PBR Texture [9.265778497001843]
  高品質なPBR材料を用いた2段階メッシュ生成法であるPBR3DGenを提案する。 視覚言語モデル(VLM)を用いて多視点拡散を誘導し,反射金属材料の空間分布と特性を正確に把握する。 我々の復元モデルはPBR材料で高品質なメッシュを再構築する。
  論文  参考訳（メタデータ） (2025-03-14T13:11:19Z)
• MaterialMVP: Illumination-Invariant Material Generation via Multi-view PBR Diffusion [37.596740171045845]
  物理ベースのレンダリング(PBR)は現代のコンピュータグラフィックスの基盤となり、3Dシーンにおける現実的な物質表現と照明相互作用を可能にしている。 本稿では3次元メッシュと画像プロンプトからPBRテクスチャを生成するための新しいエンド・ツー・エンドモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-13T11:57:30Z)
• BEAM: Bridging Physically-based Rendering and Gaussian Modeling for Relightable Volumetric Video [58.97416204208624]
  BEAMは、4Dガウス表現を物理ベースレンダリング(PBR)でブリッジし、高品質でライティング可能なビデオを生成する新しいパイプラインである。 BEAMは、様々な照明条件下で現実的な人生のような可視化を提供することで、インタラクティブなエンターテイメント、ストーリーテリング、クリエイティブな可視化の新しい可能性を開く。
  論文  参考訳（メタデータ） (2025-02-12T10:58:09Z)
• TexGaussian: Generating High-quality PBR Material via Octree-based 3D Gaussian Splatting [48.97819552366636]
  本稿では, 八面体配向型3次元ガウス平板を用いた高速PBR材料生成のためのTexGaussianを提案する。 本手法は,PBR素材をより視覚的に合成し,非条件シナリオとテキスト条件シナリオの両方において,従来の方法よりも高速に動作させる。
  論文  参考訳（メタデータ） (2024-11-29T12:19:39Z)
• Boosting 3D Object Generation through PBR Materials [32.732511476490316]
  物理ベースレンダリング(PBR)材料の観点から,生成した3Dオブジェクトの品質を高める新しい手法を提案する。 アルベドやバンプマップでは、合成データに微調整された安定拡散を利用してこれらの値を抽出する。 粗さと金属度マップについては,対話的な調整を行うためのセミオートマチックなプロセスを採用する。
  論文  参考訳（メタデータ） (2024-11-25T04:20:52Z)
• 3DTopia-XL: Scaling High-quality 3D Asset Generation via Primitive Diffusion [86.25111098482537]
  3DTopia-XLは,既存の手法の限界を克服するために設計された,スケーラブルなネイティブな3D生成モデルである。 3DTopia-XLは、新しいプリミティブベースの3D表現であるPrimXを利用して、詳細な形状、アルベド、マテリアルフィールドをコンパクトなテンソル形式にエンコードする。 その上で, 1) 原始的パッチ圧縮, 2) および潜在的原始的拡散を含む拡散変換器(DiT)に基づく生成フレームワークを提案する。 我々は,3DTopia-XLが既存の手法よりも高い性能を示すことを示すために,広範囲な定性的,定量的な実験を行った。
  論文  参考訳（メタデータ） (2024-09-19T17:59:06Z)

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。