Fugu-MT 論文翻訳(概要): Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing

論文の概要: Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing

arxiv url: http://arxiv.org/abs/2601.14103v1
Date: Tue, 20 Jan 2026 16:03:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-21 22:47:23.399524
Title: Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing
Title（参考訳）: Interp3D: 生成テクスチャ型3次元モーフィングのための対応認識補間
Authors: Xiaolu Liu, Yicong Li, Qiyuan He, Jiayin Zhu, Wei Ji, Angela Yao, Jianke Zhu,
Abstract要約: テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
参考スコア（独自算出の注目度）: 63.141976759536625
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Textured 3D morphing seeks to generate smooth and plausible transitions between two 3D assets, preserving both structural coherence and fine-grained appearance. This ability is crucial not only for advancing 3D generation research but also for practical applications in animation, editing, and digital content creation. Existing approaches either operate directly on geometry, limiting them to shape-only morphing while neglecting textures, or extend 2D interpolation strategies into 3D, which often causes semantic ambiguity, structural misalignment, and texture blurring. These challenges underscore the necessity to jointly preserve geometric consistency, texture alignment, and robustness throughout the transition process. To address this, we propose Interp3D, a novel training-free framework for textured 3D morphing. It harnesses generative priors and adopts a progressive alignment principle to ensure both geometric fidelity and texture coherence. Starting from semantically aligned interpolation in condition space, Interp3D enforces structural consistency via SLAT (Structured Latent)-guided structure interpolation, and finally transfers appearance details through fine-grained texture fusion. For comprehensive evaluations, we construct a dedicated dataset, Interp3DData, with graded difficulty levels and assess generation results from fidelity, transition smoothness, and plausibility. Both quantitative metrics and human studies demonstrate the significant advantages of our proposed approach over previous methods. Source code is available at https://github.com/xiaolul2/Interp3D.
Abstract（参考訳）: テクスチャ化された3Dモーフィングは、構造的コヒーレンスときめ細かい外観の両方を保ちながら、2つの3Dアセット間の滑らかで可塑性な遷移を生成する。この能力は、3D世代の研究の進展だけでなく、アニメーション、編集、デジタルコンテンツ制作の実用化にも不可欠である。既存のアプローチは幾何学を直接操作し、テクスチャを無視しながら形状のみのモーフィングに制限するか、2D補間戦略を3Dに拡張し、しばしば意味的曖昧さ、構造的不一致、テクスチャのぼかしを引き起こす。これらの課題は、遷移過程を通して幾何学的整合性、テクスチャアライメント、ロバスト性を共同で保存する必要性を浮き彫りにした。そこで我々は,テクスチャ化された3Dモーフィングのための新しいトレーニングフリーフレームワークであるInterp3Dを提案する。生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。条件空間における意味的整合補間から始まり、Interp3DはSLAT(Structured Latent)誘導構造補間により構造的整合を強制し、最終的に微細なテクスチャ融合によって外観詳細を伝達する。包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。定量的な測定と人的研究の両方が,従来の手法よりも提案手法の顕著な優位性を実証している。ソースコードはhttps://github.com/xiaolul2/Interp3Dで入手できる。

関連論文リスト

IGGT: Instance-Grounded Geometry Transformer for Semantic 3D Reconstruction [82.53307702809606]
人間は自然に3次元世界の幾何学的構造と意味的内容を中間次元として知覚する。本稿では,空間再構成とインスタンスレベルの文脈理解の両面での知識を統合するために,IGGT (InstanceGrounded Geometry Transformer) を提案する。
論文参考訳（メタデータ） (2025-10-26T14:57:44Z)
GaussianMorphing: Mesh-Guided 3D Gaussians for Semantic-Aware Object Morphing [31.47036497656664]
マルチビュー画像から意味認識型3次元形状とテクスチャ形成のための新しいフレームワークを提案する。私たちのフレームワークの中核は、3DGaussianをメッシュパッチの再構築にアンカーする統一的な変形戦略です。提案したTexMorphベンチマークでは,GaussianMorphingは従来の2D/3D法よりも大幅に優れていた。
論文参考訳（メタデータ） (2025-10-02T14:07:55Z)
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)
End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards [8.953379216683732]
本稿では,人間のフィードバックを3次元テクスチャパイプラインに直接埋め込む,エンドツーエンドの微分可能・強化学習不要なフレームワークを提案する。幾何学的および外見的モジュールによる好み信号のバックプロパゲーションにより、3次元幾何学的構造を尊重し、所望の基準と整合するテクスチャを生成する。
論文参考訳（メタデータ） (2025-06-23T06:24:12Z)
Step1X-3D: Towards High-Fidelity and Controllable Generation of Textured 3D Assets [90.99212668875971]
Step1X-3Dは、データの不足、アルゴリズムの制限、エコシステムの断片化といった課題に対処するオープンフレームワークである。拡散型テクスチャ合成モジュールとハイブリッドVAE-DiTジオメトリジェネレータを組み合わせた2段階の3Dネイティブアーキテクチャを提案する。ベンチマークの結果は、既存のオープンソースメソッドを超える最先端のパフォーマンスを示している。
論文参考訳（メタデータ） (2025-05-12T16:56:30Z)
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)
NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation [52.772319840580074]
3D形状生成は、特定の条件や制約に固執する革新的な3Dコンテンツを作成することを目的としている。既存の方法は、しばしば3Dの形状を局所化されたコンポーネントの列に分解し、各要素を分離して扱う。本研究では2次元平面表現を利用した空間認識型3次元形状生成フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-27T04:09:34Z)
Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
論文参考訳（メタデータ） (2022-12-14T18:49:50Z)

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。