論文の概要: Quartet of Diffusions: Structure-Aware Point Cloud Generation through Part and Symmetry Guidance
- arxiv url: http://arxiv.org/abs/2601.20425v1
- Date: Wed, 28 Jan 2026 09:33:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-29 15:46:06.880239
- Title: Quartet of Diffusions: Structure-Aware Point Cloud Generation through Part and Symmetry Guidance
- Title（参考訳）: 拡散の四重項:部分および対称性誘導による構造認識点雲の生成
- Authors: Chenliang Zhou, Fangcheng Zhong, Weihao Xia, Albert Miao, Canberk Baykal, Cengiz Oztireli,
- Abstract要約: 拡散の四重項(英: Quartet of Diffusions)は、構成と対称性を明示的にモデル化した構造対応の点雲生成フレームワークである。
これは、生成プロセスを通じて対称性と部分的事前の両方を完全に統合し、強制する最初の3Dポイントクラウド生成フレームワークである。
- 参考スコア（独自算出の注目度）: 5.53014903246185
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We introduce the Quartet of Diffusions, a structure-aware point cloud generation framework that explicitly models part composition and symmetry. Unlike prior methods that treat shape generation as a holistic process or only support part composition, our approach leverages four coordinated diffusion models to learn distributions of global shape latents, symmetries, semantic parts, and their spatial assembly. This structured pipeline ensures guaranteed symmetry, coherent part placement, and diverse, high-quality outputs. By disentangling the generative process into interpretable components, our method supports fine-grained control over shape attributes, enabling targeted manipulation of individual parts while preserving global consistency. A central global latent further reinforces structural coherence across assembled parts. Our experiments show that the Quartet achieves state-of-the-art performance. To our best knowledge, this is the first 3D point cloud generation framework that fully integrates and enforces both symmetry and part priors throughout the generative process.
- Abstract（参考訳）: 構成と対称性を明示的にモデル化した,構造対応のクラウド生成フレームワークであるQuartet of Diffusionsを紹介した。
形状生成を全体過程あるいは支持部分構成として扱う従来の方法とは異なり,本手法では4つの座標拡散モデルを用いて,大域的な形状遷移子,対称性,意味部分,空間集合の分布を学習する。
この構造されたパイプラインは、保証された対称性、コヒーレントな部分配置、多様で高品質な出力を保証する。
生成過程を解釈可能なコンポーネントに切り離すことにより, 形状特性のきめ細かい制御をサポートし, グローバルな整合性を維持しつつ, 個別部品の操作を可能にする。
中央のグローバルラテントは、組み立てられた部品間の構造的コヒーレンスをさらに強化する。
実験の結果,Quartetは最先端の性能を実現していることがわかった。
私たちの知る限り、この3Dポイントクラウド生成フレームワークは、生成プロセスを通じて対称性と部分的事前の両方を完全に統合し、強制する最初の3Dポイントクラウド生成フレームワークです。
関連論文リスト
- UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents [21.86068927019046]
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。
論文 参考訳（メタデータ） (2025-12-10T09:04:12Z) - PartDiffuser: Part-wise 3D Mesh Generation via Discrete Diffusion [14.879669869466072]
PartDiffuserは、ポイント・クラウド・ツー・メッシュ生成のための新しい半自己回帰拡散フレームワークである。
PartDiffuserはDiTアーキテクチャをベースにしており、部分認識のクロスアテンション機構を導入している。
実験により, この手法は3次元メッシュの生成において, 最先端(SOTA)モデルよりもはるかに優れていることが示された。
論文 参考訳（メタデータ） (2025-11-24T06:11:21Z) - Guided and Unguided Conditional Diffusion Mechanisms for Structured and Semantically-Aware 3D Point Cloud Generation [0.0]
リアルな3Dポイントクラウドの生成は、リモートセンシング、ロボット工学、デジタルオブジェクトモデリングにおけるコンピュータビジョンの基本的な問題である。
本稿では,各ポイントごとのセマンティック・コンディショニングを世代内に直接組み込む拡散型フレームワークを提案する。
この設計は、構造的コヒーレントかつセグメンテーションを意識した点雲を生成し、合成中に対象部品が明示的に表現される。
論文 参考訳（メタデータ） (2025-09-21T19:19:36Z) - 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) - UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
自然系における関数の統一生成モデルUniGenXを提案する。
UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。
ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-03-09T16:43:07Z) - SVDFormer: Complementing Point Cloud via Self-view Augmentation and
Self-structure Dual-generator [30.483163963846206]
本稿では,ポイントクラウド補完における2つの課題に対処するために,新たなネットワークSVDFormerを提案する。
我々はまず,複数視点深度画像情報を利用して不完全な自己形成を観測するセルフビューフュージョンネットワークを設計する。
次に,自己構造デュアルジェネレータ (Self-structure Dual-generator) と呼ばれる改良モジュールを導入する。
論文 参考訳（メタデータ） (2023-07-17T13:55:31Z) - DiffFacto: Controllable Part-Based 3D Point Cloud Generation with Cross
Diffusion [68.39543754708124]
DiffFactoは,部品レベルの制御で形状の分布を学習する新しい確率的生成モデルである。
実験により,複数の制御軸を持つ新しい形状を生成可能であることが示された。
最先端のパートレベルの生成品質を実現し、可塑性かつコヒーレントな形状を生成する。
論文 参考訳（メタデータ） (2023-05-03T06:38:35Z) - Deep Hough Voting for Robust Global Registration [52.40611370293272]
6次元変換パラメータ空間におけるハフ投票を利用した実世界の3Dスキャンのペア登録のための効率的なフレームワークを提案する。
提案手法は, 3DMatch と 3DLoMatch のベンチマークにおいて, KITTI odometry データセットで同等の性能を達成しながら, 最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2021-09-09T14:38:06Z) - SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation [50.53931728235875]
点雲の形で3次元形状を直接合成するための新しい教師なし球誘導生成モデルSP-GANを提案する。
既存のモデルと比較して、SP-GANは多種多様な高品質な形状を詳細に合成することができる。
論文 参考訳（メタデータ） (2021-08-10T06:49:45Z) - MRGAN: Multi-Rooted 3D Shape Generation with Unsupervised Part
Disentanglement [49.05682172235875]
本稿では, MRGANを提案する。MRGANは, パートベース形状の監視を伴わずに, 対角3次元点雲形状を生成するマルチルート対向ネットワークである。
このネットワークは、点雲を生成する木構造グラフ畳み込み層の複数の枝を融合させ、木根での学習可能な定数入力を行う。
論文 参考訳（メタデータ） (2020-07-25T14:41:51Z)
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。