Fugu-MT 論文翻訳(概要): UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents

論文の概要: UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents

arxiv url: http://arxiv.org/abs/2512.09435v1
Date: Wed, 10 Dec 2025 09:04:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-11 15:14:53.454525
Title: UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents
Title（参考訳）: UniPart: 統一された3Dジオムセグ潜水機によるパートレベル3D生成
Authors: Xufan He, Yushuang Wu, Xiaoyang Guo, Chongjie Ye, Jiaqing Zhou, Tianlei Hu, Xiaoguang Han, Dong Du,
Abstract要約: 分解可能で構造化された3D合成を必要とするアプリケーションには、部分レベル3D生成が不可欠である。既存の手法では、粒度制御の制限のある暗黙的な部分のセグメンテーションに依存するか、あるいは大きな注釈付きデータセットでトレーニングされた強力な外部セグメンタに依存する。画像誘導部分レベル3D生成のための2段階遅延拡散フレームワークUniPartを紹介する。
参考スコア（独自算出の注目度）: 21.86068927019046
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Part-level 3D generation is essential for applications requiring decomposable and structured 3D synthesis. However, existing methods either rely on implicit part segmentation with limited granularity control or depend on strong external segmenters trained on large annotated datasets. In this work, we observe that part awareness emerges naturally during whole-object geometry learning and propose Geom-Seg VecSet, a unified geometry-segmentation latent representation that jointly encodes object geometry and part-level structure. Building on this representation, we introduce UniPart, a two-stage latent diffusion framework for image-guided part-level 3D generation. The first stage performs joint geometry generation and latent part segmentation, while the second stage conditions part-level diffusion on both whole-object and part-specific latents. A dual-space generation scheme further enhances geometric fidelity by predicting part latents in both global and canonical spaces. Extensive experiments demonstrate that UniPart achieves superior segmentation controllability and part-level geometric quality compared with existing approaches.
Abstract（参考訳）: 分解可能で構造化された3D合成を必要とするアプリケーションには、部分レベル3D生成が不可欠である。しかし、既存の手法では、粒度制御が限られている暗黙的な部分のセグメンテーションに依存するか、あるいは大きなアノテートデータセットでトレーニングされた強力な外部セグメンタに依存する。本研究では,全物体の幾何学学習において,部分認識が自然に現れることを観察し,オブジェクトの幾何学と部分レベルの構造を結合的に符号化する統合幾何分割潜在表現であるGeom-Seg VecSetを提案する。この表現に基づいて、画像誘導部分レベル3D生成のための2段階の潜伏拡散フレームワークUniPartを紹介する。第1段階は関節形状生成および潜時部分分割を行い、第2段階は全対象物と部分固有の潜時物の両方に部分レベルの拡散を条件とする。双対空間生成スキームは、大域空間と正準空間の両方における部分潜伏率を予測することにより、幾何学的忠実度をさらに高める。広汎な実験により、UniPartは既存のアプローチに比べてセグメンテーション制御性と部分レベルの幾何学的品質が優れていることが示された。

関連論文リスト

PartNeXt: A Next-Generation Dataset for Fine-Grained and Hierarchical 3D Part Understanding [65.55036443711528]
PartNeXtは、23,000以上の高品質なテクスチャ付き3Dモデルを持つ次世代データセットで、50のカテゴリにわたるきめ細かな階層的なパーツラベルがアノテートされている。そこで我々は,(1)クラス非依存な部分分割,最先端の手法が細粒度や葉のレベルに苦しむ部分分割,(2)3D部分中心の質問応答,(3)オープン語彙の部分接地における大きなギャップを明らかにする3D-LLMsの新しいベンチマークの2つのタスクについて,PartNeXtをベンチマークした。
論文参考訳（メタデータ） (2025-10-23T03:06:08Z)
Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文参考訳（メタデータ） (2025-09-29T16:18:32Z)
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)
From One to More: Contextual Part Latents for 3D Generation [38.36190651170286]
CoPartは、コヒーレントなマルチパーツ生成のために、3Dオブジェクトをコンテキスト部分潜在子に分解する、部分認識拡散フレームワークである。そこで我々は,メッシュセグメンテーションと人間検証アノテーションから得られた新しい3次元部分データセットを構築した。実験では、パートレベルの編集、オブジェクト生成、シーン構成において、前例のない制御性を持つCoPartの優れた能力を実証した。
論文参考訳（メタデータ） (2025-07-11T17:33:18Z)
HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation [50.206100327643284]
HiSceneは、2D画像生成と3Dオブジェクト生成のギャップを埋める新しい階層的なフレームワークである。構成構造を維持しながら2次元表現に整合した3次元コンテンツを生成する。
論文参考訳（メタデータ） (2025-04-17T16:33:39Z)
PRISM: Probabilistic Representation for Integrated Shape Modeling and Generation [79.46526296655776]
PRISMは、カテゴリー拡散モデルと統計的形状モデル(SSM)とガウス混合モデル(GMM)を統合した3次元形状生成の新しいアプローチである本手法では,構成SSMを用いて部分レベルの幾何学的変動をキャプチャし,GMMを用いて連続空間における部分意味を表現する。提案手法は,パートレベルの操作の品質と制御性の両方において,従来の手法よりも優れていた。
論文参考訳（メタデータ） (2025-04-06T11:48:08Z)
Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
論文参考訳（メタデータ） (2024-08-28T08:02:47Z)
Self-supervised Learning of Hybrid Part-aware 3D Representations of 2D Gaussians and Superquadrics [16.446659867133977]
PartGSは、オブジェクトやシーンを解釈可能な分解に解析するために、2Dガウスとスーパークワッドリックを統合する、自己管理された部分認識再構築フレームワークである。提案手法は,DTU,ShapeNet,および実世界のデータセットに関する広範な実験において,最先端の手法と比較して優れた性能を示す。
論文参考訳（メタデータ） (2024-08-20T12:30:37Z)
Learning Unsupervised Hierarchical Part Decomposition of 3D Objects from a Single RGB Image [102.44347847154867]
プリミティブの集合として3次元オブジェクトの幾何を共同で復元できる新しい定式化を提案する。我々のモデルは、プリミティブのバイナリツリーの形で、様々なオブジェクトの高レベルな構造的分解を復元する。 ShapeNet と D-FAUST のデータセットを用いた実験により,部品の組織化を考慮すれば3次元形状の推論が容易になることが示された。
論文参考訳（メタデータ） (2020-04-02T17:58:05Z)

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。