論文の概要: Single Image to High-Quality 3D Object via Latent Features

• arxiv url: http://arxiv.org/abs/2511.19512v1
• Date: Mon, 24 Nov 2025 02:31:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.058423
• Title: Single Image to High-Quality 3D Object via Latent Features
• Title（参考訳）: 潜時特徴を用いた高画質3次元物体への単一画像化
• Authors: Huanning Dong, Yinuo Huang, Fan Li, Ping Kuang,
• Abstract要約: 単一画像から3Dオブジェクトを生成するフレームワークであるLatntDreamerを紹介する。 事前訓練された変分オートエンコーダは、3Dジオメトリを潜在特徴にマッピングする。 LatentDreamerは粗いジオメトリ、洗練されたジオメトリ、現実的なテクスチャを逐次生成する。
• 参考スコア（独自算出の注目度）: 7.610379621632961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D assets are essential in the digital age. While automatic 3D generation, such as image-to-3d, has made significant strides in recent years, it often struggles to achieve fast, detailed, and high-fidelity generation simultaneously. In this work, we introduce LatentDreamer, a novel framework for generating 3D objects from single images. The key to our approach is a pre-trained variational autoencoder that maps 3D geometries to latent features, which greatly reducing the difficulty of 3D generation. Starting from latent features, the pipeline of LatentDreamer generates coarse geometries, refined geometries, and realistic textures sequentially. The 3D objects generated by LatentDreamer exhibit high fidelity to the input images, and the entire generation process can be completed within a short time (typically in 70 seconds). Extensive experiments show that with only a small amount of training, LatentDreamer demonstrates competitive performance compared to contemporary approachs.
• Abstract（参考訳）: デジタル時代には3Dの資産が不可欠である。 image-to-3dのような自動3D生成は近年大きな進歩を遂げているが、高速で詳細で高忠実な生成を同時に行うのに苦労することが多い。 本研究では,単一画像から3Dオブジェクトを生成する新しいフレームワークであるLatentDreamerを紹介する。 提案手法の鍵となるのは3次元ジオメトリを潜在特徴にマッピングする事前訓練された変分オートエンコーダであり、3次元生成の難しさを大幅に低減させる。 LatentDreamerのパイプラインは、潜在特徴から始まり、粗いジオメトリ、洗練されたジオメトリ、そして現実的なテクスチャを順次生成する。 LatentDreamerによって生成された3Dオブジェクトは入力画像に高い忠実度を示し、生成プロセス全体が短時間で完了する(典型的には70秒で完了する)。 大規模な実験では、少量のトレーニングで、LatentDreamerは現代のアプローチと比較して競争性能を示す。

関連論文リスト

• ShapeGen: Towards High-Quality 3D Shape Synthesis [67.37531089151034]
  3D形状生成は顕著な進歩を遂げており、単一の画像から高忠実度3Dアセットを迅速に合成することができる。 しかし、現在の手法は、複雑な詳細の欠如、過度に滑らかな表面、断片化された薄殻構造など、依然として課題に直面している。 本稿では、3次元表現と監督の改善、解像度のスケールアップ、線形変換器の利点を通じて高品質な3次元形状生成を実現するShapeGenを提案する。
  論文  参考訳（メタデータ） (2025-11-25T18:47:27Z)
• GraphicsDreamer: Image to 3D Generation with Physical Consistency [32.26851174969898]
  単一画像から高機能な3Dメッシュを作成する方法であるGraphicsDreamerを紹介する。 幾何融合の段階では、生成した3Dオブジェクトが信頼性の高いテクスチャの詳細を持つことを保証するため、PBRの制約を継続する。 提案手法はトポロジ最適化と高速なUVアンラッピング機能を備えており,3D画像をグラフィクスエンジンにシームレスにインポートすることができる。
  論文  参考訳（メタデータ） (2024-12-18T10:01:27Z)
• LAM3D: Large Image-Point-Cloud Alignment Model for 3D Reconstruction from Single Image [64.94932577552458]
  大規模再構成モデルは、単一または複数入力画像から自動3Dコンテンツ生成の領域において大きな進歩を遂げている。 彼らの成功にもかかわらず、これらのモデルはしばしば幾何学的不正確な3Dメッシュを生成し、画像データからのみ3D形状を推論する固有の課題から生まれた。 生成した3Dメッシュの忠実度を高めるために3Dポイントクラウドデータを利用する新しいフレームワークであるLarge Image and Point Cloud Alignment Model (LAM3D)を導入する。
  論文  参考訳（メタデータ） (2024-05-24T15:09:12Z)
• Compress3D: a Compressed Latent Space for 3D Generation from a Single Image [27.53099431097921]
  トリプレーンオートエンコーダは3次元モデルをコンパクトな3次元ラテント空間に符号化し、3次元幾何情報とテクスチャ情報の両方を圧縮する。 本稿では,低解像度の潜在表現を用いて高解像度の3D特徴量から特徴を問合せする3D対応のクロスアテンション機構を提案する。 われわれのアプローチでは、1つのA100 GPU上で7秒で高品質な3Dアセットを生成できる。
  論文  参考訳（メタデータ） (2024-03-20T11:51:04Z)
• 3D-SceneDreamer: Text-Driven 3D-Consistent Scene Generation [51.64796781728106]
  本稿では,2次元拡散モデル以前の自然画像と,現在のシーンのグローバルな3次元情報を利用して,高品質で新しいコンテンツを合成する生成的精細化ネットワークを提案する。 提案手法は,視覚的品質と3次元の整合性を改善した多種多様なシーン生成と任意のカメラトラジェクトリをサポートする。
  論文  参考訳（メタデータ） (2024-03-14T14:31:22Z)
• One-2-3-45++: Fast Single Image to 3D Objects with Consistent Multi-View Generation and 3D Diffusion [32.29687304798145]
  One-2-3-45++は、1つの画像を1分で詳細な3Dテクスチャメッシュに変換する革新的な方法である。 提案手法は,2次元拡散モデルに埋め込まれた広範囲な知識を,貴重な3次元データから活用することを目的としている。
  論文  参考訳（メタデータ） (2023-11-14T03:40:25Z)
• IPDreamer: Appearance-Controllable 3D Object Generation with Complex Image Prompts [90.49024750432139]
  IPDreamerは複雑な$textbfI$mage $textbfP$romptsから複雑な外観特徴をキャプチャし、合成した3Dオブジェクトをこれらの特徴と整合させる。 IPDreamerはテキストと複雑な画像のプロンプトに整合した高品質な3Dオブジェクトを一貫して生成することを示した。
  論文  参考訳（メタデータ） (2023-10-09T03:11:08Z)
• GET3D: A Generative Model of High Quality 3D Textured Shapes Learned from Images [72.15855070133425]
  本稿では,複雑なトポロジ,リッチな幾何学的ディテール,高忠実度テクスチャを備えたExplicit Textured 3Dメッシュを直接生成する生成モデルであるGET3Dを紹介する。 GET3Dは、車、椅子、動物、バイク、人間キャラクターから建物まで、高品質な3Dテクスチャメッシュを生成することができる。
  論文  参考訳（メタデータ） (2022-09-22T17:16:19Z)
• Efficient Geometry-aware 3D Generative Adversarial Networks [50.68436093869381]
  既存の3D GANは計算集約的であるか、3D一貫性のない近似を行う。 本研究では、3D GANの計算効率と画質をこれらの近似に頼らずに改善する。 本稿では,高解像度のマルチビュー一貫性画像だけでなく,高品質な3次元形状をリアルタイムに合成する,表現型ハイブリッド・明示型ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-15T08:01:43Z)

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。