論文の概要: ShapeGen: Towards High-Quality 3D Shape Synthesis
- arxiv url: http://arxiv.org/abs/2511.20624v1
- Date: Tue, 25 Nov 2025 18:47:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.629251
- Title: ShapeGen: Towards High-Quality 3D Shape Synthesis
- Title（参考訳）: ShapeGen: 高品質な3D形状合成を目指して
- Authors: Yangguang Li, Xianglong He, Zi-Xin Zou, Zexiang Liu, Wanli Ouyang, Ding Liang, Yan-Pei Cao,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 67.37531089151034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inspired by generative paradigms in image and video, 3D shape generation has made notable progress, enabling the rapid synthesis of high-fidelity 3D assets from a single image. However, current methods still face challenges, including the lack of intricate details, overly smoothed surfaces, and fragmented thin-shell structures. These limitations leave the generated 3D assets still one step short of meeting the standards favored by artists. In this paper, we present ShapeGen, which achieves high-quality image-to-3D shape generation through 3D representation and supervision improvements, resolution scaling up, and the advantages of linear transformers. These advancements allow the generated assets to be seamlessly integrated into 3D pipelines, facilitating their widespread adoption across various applications. Through extensive experiments, we validate the impact of these improvements on overall performance. Ultimately, thanks to the synergistic effects of these enhancements, ShapeGen achieves a significant leap in image-to-3D generation, establishing a new state-of-the-art performance.
- Abstract（参考訳）: 画像と映像の生成パラダイムに触発されて、3D形状生成は顕著な進歩を遂げ、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ようになった。
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。
これらの制限により、生成された3Dアセットは、アーティストが好む標準を満たすまでにはまだ1歩足りていない。
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生かして, 高品質な3次元画像形状生成を実現するShapeGenを提案する。
これらの進歩により、生成されたアセットはシームレスに3Dパイプラインに統合され、様々なアプリケーションで広く採用されている。
広範な実験を通じて、これらの改善が全体的なパフォーマンスに与える影響を検証する。
最終的に、これらの拡張の相乗効果のおかげで、ShapeGenは画像から3D生成において大きな飛躍を遂げ、新しい最先端のパフォーマンスを確立した。
関連論文リスト
- Single Image to High-Quality 3D Object via Latent Features [7.610379621632961]
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。
論文 参考訳（メタデータ） (2025-11-24T02:31:04Z) - TripoSG: High-Fidelity 3D Shape Synthesis using Large-Scale Rectified Flow Models [69.0220314849478]
TripoSGは、入力画像に正確に対応した高忠実度3Dメッシュを生成することができる新しい合理化形状拡散パラダイムである。
結果として得られた3D形状は、高解像度の能力によって細部が強化され、入力画像に異常な忠実さを示す。
3Dジェネレーションの分野における進歩と革新を促進するため、我々はモデルを一般公開する。
論文 参考訳（メタデータ） (2025-02-10T16:07:54Z) - 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) - 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。