Fugu-MT 論文翻訳(概要): EI-Part: Explode for Completion and Implode for Refinement

論文の概要: EI-Part: Explode for Completion and Implode for Refinement

arxiv url: http://arxiv.org/abs/2603.14021v1
Date: Sat, 14 Mar 2026 16:49:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 16:19:35.551824
Title: EI-Part: Explode for Completion and Implode for Refinement
Title（参考訳）: EI-Part: 完了とリファインメントのためのイプロードの公開
Authors: Wanhu Sun, Zhongjin Luo, Heliang Zheng, Jiahao Chang, Chongjie Ye, Huiang He, Shengchu Zhao, Rongfei Jia, Xiaoguang Han,
Abstract要約: EI-Partは,コンポーネントによる高品質な3D形状の生成に特化して設計された,新しいフレームワークである。本稿では,各段階における異なる表現の活用について提案する。部品間の構造コヒーレンスを維持するために、爆発した状態と実装された状態の両方に自己保持機構が組み込まれている。
参考スコア（独自算出の注目度）: 24.68404709805507
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Part-level 3D generation is crucial for various downstream applications, including gaming, film production, and industrial design. However, decomposing a 3D shape into geometrically plausible and meaningful components remains a significant challenge. Previous part-based generation methods often struggle to produce well-constructed parts, exhibiting poor structural coherence, geometric implausibility, inaccuracy, or inefficiency. To address these challenges, we introduce EI-Part, a novel framework specifically designed to generate high-quality 3D shapes with components, characterized by strong structural coherence, geometric plausibility, geometric fidelity, and generation efficiency. We propose utilizing distinct representations at different stages: an Explode state for part completion and an Implode state for geometry refinement. This strategy fully leverages spatial resolution, enabling flexible part completion and fine geometric detail generation. To maintain structural coherence between parts, a self-attention mechanism is incorporated in both exploded and imploded states, facilitating effective information perception and feature fusion among components during generation. Extensive experiments on multiple benchmarks demonstrate that EI-Part efficiently produces semantically meaningful and structurally coherent parts with fine-grained geometric details, achieving state-of-the-art performance in part-level 3D generation. Project page: https://cvhadessun.github.io/EI-Part/
Abstract（参考訳）: パートレベルの3D生成は、ゲーム、映画制作、工業デザインなど、さまざまなダウンストリームアプリケーションに不可欠である。しかし、3次元形状を幾何学的に可視かつ有意義な構成要素に分解することは、依然として重要な課題である。以前の部分ベースの生成法は、よく構築された部品の製作に苦慮し、構造的コヒーレンス、幾何学的不確実性、不正確性、あるいは非効率性を示す。 EI-Partは, 構造コヒーレンス, 幾何学的妥当性, 幾何学的忠実度, 生成効率を特徴とする, 高品質な3次元形状を部品で生成する新しいフレームワークである。本稿では,各段階における異なる表現の活用について提案する。この戦略は空間分解能を完全に活用し、フレキシブルな部分補完と細かな幾何学的詳細生成を可能にする。部品間の構造的コヒーレンスを維持するため、爆発状態と実装状態の両方に自己認識機構を組み込んで、生成中の部品間の効果的な情報認識と特徴融合を容易にする。複数のベンチマークでの大規模な実験により、EI-Partは意味的に有意で構造的に整合したパーツを微細な幾何学的詳細で効率よく生成し、パートレベルの3D生成で最先端の性能を達成することが示されている。プロジェクトページ: https://cvhadessun.github.io/EI-Part/

関連論文リスト

StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
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。
論文参考訳（メタデータ） (2026-01-12T15:41:27Z)
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)
X-Part: high fidelity and structure coherent shape decomposition [21.08914191612629]
X-Partは、総合的な3Dオブジェクトを意味論的に意味のある部分に分解するために設計された制御可能な生成モデルである。 X-Partは、部分生成のプロンプトとしてバウンディングボックスを使用し、意味のある分解のためにポイントワイドなセマンティック特徴を注入する。この研究は、プロダクション対応、編集可能、構造的に健全な3Dアセットを作成するための新しいパラダイムを確立します。
論文参考訳（メタデータ） (2025-09-10T14:37:02Z)
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)
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)
ArtGS: Building Interactable Replicas of Complex Articulated Objects via Gaussian Splatting [66.29782808719301]
コンピュータビジョンにおいて、音声で表現されたオブジェクトを構築することが重要な課題である。既存のメソッドは、しばしば異なるオブジェクト状態間で効果的に情報を統合できない。 3次元ガウスを柔軟かつ効率的な表現として活用する新しいアプローチであるArtGSを紹介する。
論文参考訳（メタデータ） (2025-02-26T10:25:32Z)
Discovering 3D Parts from Image Collections [98.16987919686709]
本稿では,2次元画像収集のみによる3次元部分発見の問題に対処する。そこで我々は,手動で注釈付部品を監督する代わりに,自己監督型アプローチを提案する。私たちのキーとなる洞察は、前もって新しい部分の形状を学習することで、各部分は、単純な幾何学を持つように制約されたまま、忠実にオブジェクトの形状に適合できるようにします。
論文参考訳（メタデータ） (2021-07-28T20:29:16Z)
DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape Generation [98.96086261213578]
DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
論文参考訳（メタデータ） (2020-08-12T17:06:51Z)
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。