論文の概要: ArtiLatent: Realistic Articulated 3D Object Generation via Structured Latents
- arxiv url: http://arxiv.org/abs/2510.21432v1
- Date: Fri, 24 Oct 2025 13:08:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 09:00:15.477285
- Title: ArtiLatent: Realistic Articulated 3D Object Generation via Structured Latents
- Title（参考訳）: ArtiLatent: 構造化ラテントによるリアルなArticulated 3Dオブジェクト生成
- Authors: Honghua Chen, Yushi Lan, Yongwei Chen, Xingang Pan,
- Abstract要約: ArtiLatentは、人間の作った3Dオブジェクトを精密な幾何学、正確な調音、リアルな外観で合成する生成フレームワークである。
- 参考スコア（独自算出の注目度）: 31.495577251319315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose ArtiLatent, a generative framework that synthesizes human-made 3D objects with fine-grained geometry, accurate articulation, and realistic appearance. Our approach jointly models part geometry and articulation dynamics by embedding sparse voxel representations and associated articulation properties, including joint type, axis, origin, range, and part category, into a unified latent space via a variational autoencoder. A latent diffusion model is then trained over this space to enable diverse yet physically plausible sampling. To reconstruct photorealistic 3D shapes, we introduce an articulation-aware Gaussian decoder that accounts for articulation-dependent visibility changes (e.g., revealing the interior of a drawer when opened). By conditioning appearance decoding on articulation state, our method assigns plausible texture features to regions that are typically occluded in static poses, significantly improving visual realism across articulation configurations. Extensive experiments on furniture-like objects from PartNet-Mobility and ACD datasets demonstrate that ArtiLatent outperforms existing approaches in geometric consistency and appearance fidelity. Our framework provides a scalable solution for articulated 3D object synthesis and manipulation.
- Abstract（参考訳）: 人造3Dオブジェクトを微粒な形状、正確な調音、リアルな外観で合成する生成フレームワークであるArtiLatentを提案する。
提案手法は, 分割型, 軸, 原点, 範囲, 部分カテゴリを含む, スパース・ボクセル表現と関連する調音特性を, 変分オートエンコーダを介して統一された潜在空間に埋め込むことによって, 部分幾何学と調音力学をモデル化する。
その後、この空間上で潜在拡散モデルが訓練され、多様なが物理的に妥当なサンプリングが可能となる。
フォトリアリスティックな3次元形状を再構成するために,調音に依存した視認性変化(例えば,開き時の引き出しの内部を明らかにする)を考慮に入れた調音認識型ガウスデコーダを導入する。
調音状態に外観デコーディングを施すことにより,静的なポーズを伴わない領域に可塑性テクスチャ特性を割り当て,調音構成における視覚的リアリズムを著しく改善する。
PartNet-MobilityとACDデータセットから得られた家具のようなオブジェクトに関する大規模な実験は、ArtiLatentが幾何学的整合性と外観忠実性において既存のアプローチより優れていることを示した。
我々のフレームワークは、3Dオブジェクトの合成と操作のためのスケーラブルなソリューションを提供する。
関連論文リスト
- Self-Supervised Multi-Part Articulated Objects Modeling via Deformable Gaussian Splatting and Progressive Primitive Segmentation [23.18517560629462]
DeGSSは,物体を変形可能な3次元ガウス場として符号化し,幾何学,外観,動きを1つのコンパクト表現に埋め込む統一フレームワークである。
一般化とリアリズムを評価するために、合成PartNet-Mobilityベンチマークを拡張し、RGBキャプチャと正確にリバースエンジニアリングされた3Dモデルを組み合わせたリアル・トゥ・シムデータセットRS-Artをリリースする。
論文 参考訳（メタデータ） (2025-06-11T12:32:16Z) - Articulate AnyMesh: Open-Vocabulary 3D Articulated Objects Modeling [48.78204955169967]
Articulate Anymeshは,剛性のある3Dメッシュを,オープンな語彙で表現されたものに変換可能な,自動フレームワークである。
実験の結果、Articulate Anymeshは、ツール、おもちゃ、機械装置、車両など、大規模で高品質な3D関節オブジェクトを生成できることがわかった。
論文 参考訳（メタデータ） (2025-02-04T18:59:55Z) - JADE: Joint-aware Latent Diffusion for 3D Human Generative Modeling [62.77347895550087]
JADEは人体形状の変化を微粒化制御で学習する生成フレームワークである。
私たちの重要な洞察は、人体を骨格構造に分解する共同認識の潜伏表現です。
提案した分解条件下でのコヒーレントで可塑性な人体形状を生成するため,カスケードパイプラインも提案する。
論文 参考訳（メタデータ） (2024-12-29T14:18:35Z) - DreamHOI: Subject-Driven Generation of 3D Human-Object Interactions with Diffusion Priors [4.697267141773321]
人-物体相互作用(HOI)のゼロショット合成法であるDreamHOIを提案する。
我々は、何十億もの画像キャプチャーペアで訓練されたテキストと画像の拡散モデルを利用して、リアルなHOIを生成する。
提案手法は広範囲な実験を通じて検証し,現実的なHOIを生成する上での有効性を実証する。
論文 参考訳（メタデータ） (2024-09-12T17:59:49Z) - Dynamic Scene Understanding through Object-Centric Voxelization and Neural Rendering [57.895846642868904]
オブジェクト中心学習が可能な動的シーンのための3次元生成モデルDynaVol-Sを提案する。
ボキセル化は、個々の空間的位置において、物体ごとの占有確率を推定する。
提案手法は2次元セマンティックな特徴を統合して3次元セマンティック・グリッドを作成し,複数の不整合ボクセル・グリッドを通してシーンを表現する。
論文 参考訳（メタデータ） (2024-07-30T15:33:58Z) - Mixed Diffusion for 3D Indoor Scene Synthesis [55.94569112629208]
提案するMiDiffusionは,可塑性3次元屋内シーンを合成するための混合離散連続拡散モデルである。
床条件の3次元シーン合成において,最先端の自己回帰モデルおよび拡散モデルより優れることを示す。
論文 参考訳（メタデータ） (2024-05-31T17:54:52Z) - CG3D: Compositional Generation for Text-to-3D via Gaussian Splatting [57.14748263512924]
CG3Dは、スケーラブルな3Dアセットを合成的に生成する手法である。
ガンマ放射場は、オブジェクトの合成を可能にするためにパラメータ化され、意味的および物理的に一貫したシーンを可能にする能力を持っている。
論文 参考訳（メタデータ） (2023-11-29T18:55:38Z) - AutoDecoding Latent 3D Diffusion Models [95.7279510847827]
本稿では,3次元オートデコーダをコアとした静的・明瞭な3次元アセットの生成に対して,新しいアプローチを提案する。
3D Autodecoderフレームワークは、ターゲットデータセットから学んだプロパティを潜時空間に埋め込む。
次に、適切な中間体積潜在空間を特定し、ロバストな正規化と非正規化演算を導入する。
論文 参考訳（メタデータ） (2023-07-07T17:59:14Z)
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。