論文の概要: StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation

• arxiv url: http://arxiv.org/abs/2601.07660v1
• Date: Mon, 12 Jan 2026 15:41:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.5215
• Title: StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation
• Title（参考訳）: StdGEN++: 意味分解された3次元文字生成のための総合システム
• Authors: Yuze He, Yanning Zhou, Wang Zhao, Jingwen Ye, Zhongkai Wu, Ran Yi, Yong-Jin Liu,
• Abstract要約: StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
• 参考スコア（独自算出の注目度）: 57.06461272772509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present StdGEN++, a novel and comprehensive system for generating high-fidelity, semantically decomposed 3D characters from diverse inputs. Existing 3D generative methods often produce monolithic meshes that lack the structural flexibility required by industrial pipelines in gaming and animation. Addressing this gap, StdGEN++ is built upon a Dual-branch Semantic-aware Large Reconstruction Model (Dual-Branch S-LRM), which jointly reconstructs geometry, color, and per-component semantics in a feed-forward manner. To achieve production-level fidelity, we introduce a novel semantic surface extraction formalism compatible with hybrid implicit fields. This mechanism is accelerated by a coarse-to-fine proposal scheme, which significantly reduces memory footprint and enables high-resolution mesh generation. Furthermore, we propose a video-diffusion-based texture decomposition module that disentangles appearance into editable layers (e.g., separated iris and skin), resolving semantic confusion in facial regions. Experiments demonstrate that StdGEN++ achieves state-of-the-art performance, significantly outperforming existing methods in geometric accuracy and semantic disentanglement. Crucially, the resulting structural independence unlocks advanced downstream capabilities, including non-destructive editing, physics-compliant animation, and gaze tracking, making it a robust solution for automated character asset production.
• Abstract（参考訳）: 我々は,多種多様な入力から高忠実で意味的に分解された3D文字を生成する新しい総合システムStdGEN++を提案する。 既存の3D生成方法は、ゲームやアニメーションで産業パイプラインが必要とする構造的柔軟性に欠ける、モノリシックなメッシュを生成することが多い。 このギャップに対処するため、StdGEN++はDual-Branch Semantic-aware Large Restruction Model (Dual-Branch S-LRM)に基づいて構築されている。 生産レベルの忠実性を達成するために,ハイブリッド暗黙の場に適合する新しい意味的表面抽出形式を導入する。 このメカニズムは、メモリフットプリントを大幅に削減し、高解像度メッシュ生成を可能にする粗大な提案スキームによって加速される。 さらに,映像拡散に基づくテクスチャ分解モジュールを提案し,顔領域における意味的混乱を解消し,外観を編集可能な層(例えばアイリスとスキン)に分解する。 実験により、StdGEN++は最先端のパフォーマンスを達成し、幾何学的精度と意味的絡み合いにおいて既存の手法よりもはるかに優れていることが示された。 重要なことに、構造的独立によって、非破壊的な編集、物理に準拠するアニメーション、視線追跡といった下流の能力が解放され、自動的な文字資産生産のための堅牢なソリューションとなった。

関連論文リスト

• LARM: A Large Articulated-Object Reconstruction Model [29.66486888001511]
  LARMは、スパースビュー画像から3Dの明瞭なオブジェクトを再構成する統合フィードフォワードフレームワークである。 LARMは、ディープマップやパートマスクなどの補助出力を生成し、明示的な3Dメッシュ抽出と関節推定を容易にする。 我々のパイプラインは、密集した監視の必要性を排除し、多様な対象カテゴリにわたる高忠実度再構築をサポートする。
  論文  参考訳（メタデータ） (2025-11-14T18:55:27Z)
• LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning [26.88556500272625]
  非符号距離場(UDF)に基づく新しい3次元変分オートエンコーダフレームワークを提案する。 私たちの中心となるイノベーションは、UDFを統一サブボリュームであるUBlockに分割することで処理する、ローカルからグローバルなアーキテクチャです。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。
  論文  参考訳（メタデータ） (2025-11-13T07:34:43Z)
• 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)
• OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
  OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。 提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
  論文  参考訳（メタデータ） (2025-09-27T11:19:32Z)
• 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)
• GaussianAnything: Interactive Point Cloud Flow Matching For 3D Object Generation [75.39457097832113]
  本稿では,インタラクティブなポイントクラウド構造ラテント空間を備えたスケーラブルで高品質な3D生成を実現する,新しい3D生成フレームワークを提案する。 本フレームワークでは,複数ビューのRGB-D(epth)-N(ormal)レンダリングを入力として使用する変分オートエンコーダを,3次元形状情報を保存する独自のラテント空間設計を用いて構成する。 提案手法であるGaussianAnythingは,複数モード条件付き3D生成をサポートし,ポイントクラウド,キャプション,単一画像入力を可能にする。
  論文  参考訳（メタデータ） (2024-11-12T18:59:32Z)
• StdGEN: Semantic-Decomposed 3D Character Generation from Single Images [28.302030751098354]
  StdGENは、単一の画像から意味的に高品質な3D文字を生成する革新的なパイプラインである。 3分で体、衣服、毛髪などの分離した意味成分を持つ複雑な3D文字を生成する。 StdGENは、使えるセマンティック分解された3D文字を提供し、幅広いアプリケーションに対して柔軟なカスタマイズを可能にする。
  論文  参考訳（メタデータ） (2024-11-08T17:54:18Z)

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。