論文の概要: Textured Geometry Evaluation: Perceptual 3D Textured Shape Metric via 3D Latent-Geometry Network

• arxiv url: http://arxiv.org/abs/2512.01380v1
• Date: Mon, 01 Dec 2025 07:53:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.750688
• Title: Textured Geometry Evaluation: Perceptual 3D Textured Shape Metric via 3D Latent-Geometry Network
• Title（参考訳）: テクスチャ幾何評価:3次元ラテント幾何ネットワークによる知覚的3次元テクスチャ形状測定
• Authors: Tianyu Luan, Xuelu Feng, Zixin Zhu, Phani Nuney, Sheng Liu, Xuan Gong, David Doermann, Chunming Qiao, Junsong Yuan,
• Abstract要約: Chamfer Distanceのような既存のメトリクスは、人間が3次元形状の忠実さを評価する方法と一致しないことが多い。 最近の学習ベースのメトリクスは、レンダリングされた画像と2D画像品質メトリクスに依存することによって、これを改善しようとしている。 本研究では,テクスチャを持つ3次元メッシュを直接ベースとした新しい忠実度評価手法を提案する。
• 参考スコア（独自算出の注目度）: 47.25343775786203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Textured high-fidelity 3D models are crucial for games, AR/VR, and film, but human-aligned evaluation methods still fall behind despite recent advances in 3D reconstruction and generation. Existing metrics, such as Chamfer Distance, often fail to align with how humans evaluate the fidelity of 3D shapes. Recent learning-based metrics attempt to improve this by relying on rendered images and 2D image quality metrics. However, these approaches face limitations due to incomplete structural coverage and sensitivity to viewpoint choices. Moreover, most methods are trained on synthetic distortions, which differ significantly from real-world distortions, resulting in a domain gap. To address these challenges, we propose a new fidelity evaluation method that is based directly on 3D meshes with texture, without relying on rendering. Our method, named Textured Geometry Evaluation TGE, jointly uses the geometry and color information to calculate the fidelity of the input textured mesh with comparison to a reference colored shape. To train and evaluate our metric, we design a human-annotated dataset with real-world distortions. Experiments show that TGE outperforms rendering-based and geometry-only methods on real-world distortion dataset.
• Abstract（参考訳）: テクスチャによる高忠実度3Dモデルは、ゲーム、AR/VR、フィルムには不可欠だが、近年の3D再構成と生成の進歩にもかかわらず、人間によるアライメント評価手法は依然として遅れている。 Chamfer Distanceのような既存のメトリクスは、人間が3次元形状の忠実さを評価する方法と一致しないことが多い。 最近の学習ベースのメトリクスは、レンダリングされた画像と2D画像品質メトリクスに依存することによって、これを改善しようとしている。 しかし、これらのアプローチは、不完全な構造的カバレッジと視点選択に対する感受性のために制限に直面している。 さらに、ほとんどの手法は実世界の歪みと大きく異なる合成歪みに基づいて訓練されており、ドメインギャップが生じる。 これらの課題に対処するために、レンダリングに頼ることなく、テクスチャを持つ3次元メッシュを直接ベースとした新しい忠実度評価手法を提案する。 提案手法はテクスチャ幾何評価 TGE と命名され,入力されたテクスチャメッシュの忠実度を基準色と比較し,幾何学情報と色情報とを併用して計算する。 測定値のトレーニングと評価を行うため,実世界の歪みを考慮した人間注釈付きデータセットを設計する。 実験により、TGEは実世界の歪みデータセット上でレンダリングベースおよび幾何学のみの手法より優れていることが示された。

関連論文リスト

• Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
  本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。 本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
  論文  参考訳（メタデータ） (2025-09-18T13:45:08Z)
• Dual Enhancement on 3D Vision-Language Perception for Monocular 3D Visual Grounding [46.331376542148696]
  特異な幾何学的情報を持つテキスト記述を用いて,RGB画像中の3Dオブジェクトを見つけることを目的とした新しい課題である。 そこで本研究では,テキスト埋め込みと幾何学的特徴に基づくモデルの3次元認識を,2つの単純かつ効果的な方法で向上させることを提案する。
  論文  参考訳（メタデータ） (2025-08-26T16:13:18Z)
• Shape from Semantics: 3D Shape Generation from Multi-View Semantics [30.969299308083723]
  既存の3D再構成手法では, 3次元画像, 3次元点雲, 形状輪郭, 単一意味論などのガイダンスを用いて3次元表面を復元する。 図形や外観が、異なる視点から見ると、与えられたテキストの意味と一致した3Dモデルを作成することを目的として、新しい3Dモデリングタスク「Shape from Semantics'」を提案する。
  論文  参考訳（メタデータ） (2025-02-01T07:51:59Z)
• PaintHuman: Towards High-fidelity Text-to-3D Human Texturing via Denoised Score Distillation [89.09455618184239]
  テキスト・ツー・3D世代における最近の進歩は画期的なものである。 そこで我々はPaintHumanというモデルを提案し,その課題を2つの側面から解決する。 奥行きマップを手引きとして,現実的なセマンティックなテクスチャの整合性を保証する。
  論文  参考訳（メタデータ） (2023-10-14T00:37:16Z)
• 3D Surface Reconstruction in the Wild by Deforming Shape Priors from Synthetic Data [24.97027425606138]
  1枚の画像から被写体の3次元表面を再構築することは難しい問題である。 本稿では,1枚の画像から3次元合成とオブジェクトポーズ推定を行う新しい手法を提案する。 提案手法は,複数の実世界のデータセットにまたがって,最先端の再構築性能を実現する。
  論文  参考訳（メタデータ） (2023-02-24T20:37:27Z)
• Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
  3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。 以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。 本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
  論文  参考訳（メタデータ） (2022-04-09T03:46:18Z)
• Texturify: Generating Textures on 3D Shape Surfaces [34.726179801982646]
  本研究では3次元入力のテクスチャを予測する3次元形状を学習するためにTexturifyを提案する。 本手法では,3Dオブジェクトの学習に3Dカラー管理は不要である。
  論文  参考訳（メタデータ） (2022-04-05T18:00:04Z)
• Hybrid Approach for 3D Head Reconstruction: Using Neural Networks and Visual Geometry [3.970492757288025]
  本稿では,深層学習と幾何学的手法に基づくハイブリッド手法を用いて,複数の画像から3次元頭部を再構築する手法を提案する。 U-netアーキテクチャに基づくエンコーダデコーダネットワークを提案し、合成データのみを学習する。
  論文  参考訳（メタデータ） (2021-04-28T11:31:35Z)
• Hard Example Generation by Texture Synthesis for Cross-domain Shape Similarity Learning [97.56893524594703]
  画像に基づく3次元形状検索(IBSR)は、与えられた2次元画像の対応する3次元形状を、大きな3次元形状データベースから見つけることを目的としている。 いくつかの適応技法によるメートル法学習は、類似性学習を形作るための自然な解決策のようです。 テクスチャ合成を応用した幾何中心の多視点メトリック学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-10-23T08:52:00Z)
• Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
  1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。 ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。 提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
  論文  参考訳（メタデータ） (2020-08-18T06:33:40Z)

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。