Fugu-MT 論文翻訳(概要): RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction

論文の概要: RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction

arxiv url: http://arxiv.org/abs/2512.23437v1
Date: Mon, 29 Dec 2025 12:57:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-30 22:37:30.502898
Title: RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction
Title（参考訳）: RealX3D:多視点視力回復と再建のための物理的に劣化した3Dベンチマーク
Abstract要約: RealX3Dグループは、照明、散乱、ぼかしを含む4つのファミリーに腐敗し、それぞれを複数の重度レベルで捕獲する。それぞれのシーンには高解像度キャプチャ、RAW画像、高密度レーザースキャンが含まれており、そこから世界規模のメッシュとメートル法深度を導き出す。
参考スコア（独自算出の注目度）: 51.07270086169647
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce RealX3D, a real-capture benchmark for multi-view visual restoration and 3D reconstruction under diverse physical degradations. RealX3D groups corruptions into four families, including illumination, scattering, occlusion, and blurring, and captures each at multiple severity levels using a unified acquisition protocol that yields pixel-aligned LQ/GT views. Each scene includes high-resolution capture, RAW images, and dense laser scans, from which we derive world-scale meshes and metric depth. Benchmarking a broad range of optimization-based and feed-forward methods shows substantial degradation in reconstruction quality under physical corruptions, underscoring the fragility of current multi-view pipelines in real-world challenging environments.
Abstract（参考訳）: 本稿では,多視点視覚修復と3次元再構成のための実撮ベンチマークであるRealX3Dを紹介する。 RealX3Dグループは、照明、散乱、オクルージョン、ぼかしを含む4つのファミリーに分類し、それぞれを複数の重度レベルでキャプチャする。それぞれのシーンには高解像度キャプチャ、RAW画像、高密度レーザースキャンが含まれており、そこから世界規模メッシュとメートル法深度を導出する。広範囲の最適化ベースおよびフィードフォワード手法のベンチマークでは、物理的な汚職下での再構築品質の大幅な低下が示され、現在のマルチビューパイプラインの現実的な挑戦環境における脆弱さが強調されている。

関連論文リスト

PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space [25.621179726094056]
3次元再構成と生成は、一般的に異なるパラダイムによって取り組まれる。最近の研究はそれらを潜在空間で統一しようとするが、顕著な欠点がある。 PixWorldは3次元再構成と生成を共同で扱う単一のモデルである。
論文参考訳（メタデータ） (2026-07-06T17:51:00Z)
Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration [41.057923153081035]
不完全または損傷した3Dオブジェクトの復元は、文化遺産の保存、隠されたオブジェクトの再構築、芸術デザインに不可欠である。マルチビュー画像を用いて,壊れた物体の形状とテクスチャを同時に復元する新しいフレームワークであるRestore3Dを紹介する。 Restore3Dは, 一般的な塗装, 補修, 補修ベースラインよりも, マルチビュー復元品質とテクスチャ化メッシュ復元を改善した。
論文参考訳（メタデータ） (2026-07-01T07:08:23Z)
Geometry-Aware Representation Denoising for Robust Multi-view 3D Reconstruction [36.377286063905395]
フィードフォワード3次元再構成モデルの特徴空間に直接拡散に基づく多視点復元を行う新しいフレームワークであるGeometry-Aware Representation Denoising (GARD)を提案する。この設計は、3次元再構成器の幾何学的特徴表現を利用して、正確なシーン形状を効果的に復元する。追加のRGBイメージデコーダを使用することで、高品質なRGBイメージの復元にも使用できる。
論文参考訳（メタデータ） (2026-05-25T18:01:05Z)
GenRecon: Bridging Generative Priors for Multi-View 3D Scene Reconstruction [69.35136600319714]
マルチビューRGB画像から高忠実度3Dシーンを再現する手法を提案する。シーン再構成を条件付き3次元生成として,空間的局所化,重なり合うチャンクの集合に配置した。切刃再建法を16%上回る高忠実度結果を得た。
論文参考訳（メタデータ） (2026-05-22T17:49:59Z)
DecoRec: Decomposed 3D Scene Reconstruction from Single-View Images via Object-Level Diffusion [65.65756111062005]
textitDecoRecは、単一のビュー2D画像を分解された3Dシーンメッシュに高めるように設計されたシステムである。以上の結果から,DecoRecはジオメトリと新規合成の両面において,高品質なワンビューシーン再構築を促進することが示唆された。
論文参考訳（メタデータ） (2026-05-16T04:23:48Z)
NOVA3R: Non-pixel-aligned Visual Transformer for Amodal 3D Reconstruction [99.52487968452198]
NOVA3Rは、フィードフォワード方式で、未提示画像の集合から非画素アラインな3D再構成に有効なアプローチである。重なり合う領域における重複構造の少ない物理的に可算な幾何学を生成する。復元精度と完全性の観点から、最先端の手法よりも優れています。
論文参考訳（メタデータ） (2026-03-04T15:36:25Z)
MapAnything: Universal Feed-Forward Metric 3D Reconstruction [63.79151976126576]
MapAnythingは1つ以上の画像を取り込み、カメラの内在性、ポーズ、深さ、部分的な再構築など、任意の幾何学的入力を行う。そして、メーター3Dシーンの幾何学とカメラを直接補強する。 MapAnythingは、単一のフィードフォワードパスで幅広い3Dビジョンタスクに対処する。
論文参考訳（メタデータ） (2025-09-16T18:00:14Z)
RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。 RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
論文参考訳（メタデータ） (2025-08-05T04:50:29Z)
R3eVision: A Survey on Robust Rendering, Restoration, and Enhancement for 3D Low-Level Vision [9.961452710097685]
3次元低レベルビジョン(3D LLV)は、古典的な2次元低レベルビジョンタスクを3次元空間領域に拡張する。 LLVをニューラルレンダリングフレームワークに統合する最近の手法は、有害な条件下で高忠実度3D再構成を可能にする方法を説明するために分類される。本研究は、3D LLVを実環境におけるロバストな3Dコンテンツ生成とシーンレベルの再構築の基本的な方向性として位置づける。
論文参考訳（メタデータ） (2025-06-19T12:25:46Z)
MUSt3R: Multi-view Network for Stereo 3D Reconstruction [11.61182864709518]
本稿では,DUSt3Rのペアから複数のビューへの拡張を提案する。計算複雑性を低減できる多層メモリ機構でモデルを拡張します。このフレームワークは、オフラインとオンラインの両方で3D再構成を実行するように設計されているため、SfMとビジュアルSLAMシナリオにシームレスに適用できる。
論文参考訳（メタデータ） (2025-03-03T15:36:07Z)
Direct and Explicit 3D Generation from a Single Image [25.207277983430608]
マルチビュー2次元深度画像とRGB画像を用いて表面形状とテクスチャを直接生成する新しいフレームワークを提案する。画素レベルの多視点整合性を実現するために,エピポーラの注意を潜時から画素間デコーダに組み込む。生成した深度画素を3次元空間にバックプロジェクションすることにより、構造化された3次元表現を生成する。
論文参考訳（メタデータ） (2024-11-17T03:14:50Z)
3DFIRES: Few Image 3D REconstruction for Scenes with Hidden Surface [8.824340350342512]
3DFIRESは、ポーズ画像からシーンレベルの3D再構成を行う新しいシステムである。単一視点再構成法の有効性を1つの入力で示す。
論文参考訳（メタデータ） (2024-03-13T17:59:50Z)
High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文参考訳（メタデータ） (2022-11-28T18:59:52Z)
Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文参考訳（メタデータ） (2022-05-25T17:59:53Z)

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。