論文の概要: CustomTex: High-fidelity Indoor Scene Texturing via Multi-Reference Customization
- arxiv url: http://arxiv.org/abs/2603.19121v1
- Date: Thu, 19 Mar 2026 16:44:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:06.272887
- Title: CustomTex: High-fidelity Indoor Scene Texturing via Multi-Reference Customization
- Title（参考訳）: CustomTex:マルチ参照カスタマイズによる高忠実な屋内シーンテクスチャ
- Authors: Weilin Chen, Jiahao Rao, Wenhao Wang, Xinyang Li, Xuan Cheng, Liujuan Cao,
- Abstract要約: テキスト駆動の手法は柔軟性とインスタンスレベルの細かい制御を提供し、品質が不十分なテクスチャをしばしば生成する。
インスタンスレベルの編集のための新しいフレームワークであるCustomTexを紹介する。
- 参考スコア（独自算出の注目度）: 36.4737529204489
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The creation of high-fidelity, customizable 3D indoor scene textures remains a significant challenge. While text-driven methods offer flexibility, they lack the precision for fine-grained, instance-level control, and often produce textures with insufficient quality, artifacts, and baked-in shading. To overcome these limitations, we introduce CustomTex, a novel framework for instance-level, high-fidelity scene texturing driven by reference images. CustomTex takes an untextured 3D scene and a set of reference images specifying the desired appearance for each object instance, and generates a unified, high-resolution texture map. The core of our method is a dual-distillation approach that separates semantic control from pixel-level enhancement. We employ semantic-level distillation, equipped with an instance cross-attention, to ensure semantic plausibility and ``reference-instance'' alignment, and pixel-level distillation to enforce high visual fidelity. Both are unified within a Variational Score Distillation (VSD) optimization framework. Experiments demonstrate that CustomTex achieves precise instance-level consistency with reference images and produces textures with superior sharpness, reduced artifacts, and minimal baked-in shading compared to state-of-the-art methods. Our work establishes a more direct and user-friendly path to high-quality, customizable 3D scene appearance editing.
- Abstract（参考訳）: 高忠実でカスタマイズ可能な3D屋内シーンテクスチャの作成は、依然として大きな課題である。
テキスト駆動方式は柔軟性を提供するが、細粒度でインスタンスレベルの制御の精度に欠けており、品質、アーティファクト、焼き込みシェーディングが不十分なテクスチャをしばしば生成している。
これらの制限を克服するために、参照画像によって駆動されるインスタンスレベルの高忠実なシーンテクスチャのための新しいフレームワークであるCustomTexを紹介する。
CustomTexは、未テクスチャの3Dシーンと、オブジェクトインスタンスごとに望ましい外観を指定する参照イメージのセットを取り、統合された高解像度のテクスチャマップを生成する。
本手法のコアは,画素レベルの拡張から意味制御を分離する二重蒸留方式である。
ケースクロスアテンションを備えたセマンティックレベルの蒸留技術を用いて, セマンティックな可視性と<reference-instance'のアライメントを確保するとともに, ピクセルレベルの蒸留技術を用いて高い視覚的忠実性を実現する。
どちらも変分スコア蒸留(VSD)最適化フレームワークに統合されている。
実験では、CustomTexは参照画像との正確なインスタンスレベルの整合性を達成し、シャープさ、アーティファクトの低減、そして最先端の方法と比較して最小限の焼き込みシェーディングを備えたテクスチャを生成する。
われわれの研究は、高品質でカスタマイズ可能な3Dシーン編集への、よりダイレクトでユーザフレンドリーな道を確立している。
関連論文リスト
- ZeroScene: A Zero-Shot Framework for 3D Scene Generation from a Single Image and Controllable Texture Editing [36.098009720325436]
画像から3Dのシーン再構成とテクスチャ編集をゼロショットで行う新しいシステムを提案する。
ZeroSceneは、入力画像からオブジェクトレベルの2Dセグメンテーションと深度情報を抽出し、シーン内の空間的関係を推測する。
そして、ポイントクラウドの3Dおよび2Dプロジェクション損失を共同で最適化し、正確なシーンアライメントのためのオブジェクトのポーズを更新する。
論文 参考訳（メタデータ） (2025-09-28T03:21:12Z) - A Scalable Attention-Based Approach for Image-to-3D Texture Mapping [3.8476192001237597]
高品質なテクスチャは、リアルな3Dコンテンツ作成に不可欠です。
既存の生成法は遅く、紫外線マップに依存しており、しばしば参照画像に忠実に保たない。
本稿では,1つの画像とメッシュから直接3次元テクスチャ場を予測するトランスフォーマーベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-05T14:18:52Z) - TriTex: Learning Texture from a Single Mesh via Triplane Semantic Features [78.13246375582906]
本研究では,1つのテクスチャメッシュから体積テクスチャ場を学習し,セマンティックな特徴を対象色にマッピングする手法を提案する。
本手法は,ゲーム開発などのアプリケーションにおいて,3次元モデル間で優れたテクスチャ品質を実現する。
論文 参考訳（メタデータ） (2025-03-20T18:35:03Z) - RoomTex: Texturing Compositional Indoor Scenes via Iterative Inpainting [34.827355403635536]
本研究では,RoomTexと呼ばれる3次元シーンフレームワークを提案する。
RoomTexは、一貫性のないシーンメッシュのために、高忠実でスタイル一貫性のあるテクスチャを生成する。
本稿では,RGBとエッジ検出手法の整合性を維持することを提案する。
論文 参考訳（メタデータ） (2024-06-04T16:27:09Z) - EucliDreamer: Fast and High-Quality Texturing for 3D Models with Depth-Conditioned Stable Diffusion [5.158983929861116]
EucliDreamerは、テキストとプロンプトが与えられた3次元モデルのテクスチャを生成するための、シンプルで効果的な方法である。
テクスチャは3次元表面上の暗黙の関数としてパラメータ化され、スコア蒸留サンプリング(SDS)プロセスと微分レンダリングで最適化される。
論文 参考訳（メタデータ） (2024-04-16T04:44:16Z) - TextureDreamer: Image-guided Texture Synthesis through Geometry-aware
Diffusion [64.49276500129092]
TextureDreamerは画像誘導型テクスチャ合成法である。
少数の入力画像から任意のカテゴリでターゲットの3D形状に光沢のあるテクスチャを転送することができる。
論文 参考訳（メタデータ） (2024-01-17T18:55:49Z) - SceneWiz3D: Towards Text-guided 3D Scene Composition [134.71933134180782]
既存のアプローチでは、大規模なテキスト・ツー・イメージモデルを使用して3D表現を最適化するか、オブジェクト中心のデータセット上で3Dジェネレータをトレーニングする。
テキストから高忠実度3Dシーンを合成する新しい手法であるSceneWiz3Dを紹介する。
論文 参考訳（メタデータ） (2023-12-13T18:59:30Z) - TeMO: Towards Text-Driven 3D Stylization for Multi-Object Meshes [67.5351491691866]
我々は,多目的3Dシーンを解析し,そのスタイルを編集する,TeMOと呼ばれる新しいフレームワークを提案する。
提案手法は,高品質なスタイリングコンテンツを合成し,多目的3Dメッシュで既存手法より優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-12-07T12:10:05Z) - SceneTex: High-Quality Texture Synthesis for Indoor Scenes via Diffusion
Priors [49.03627933561738]
SceneTexは、奥行き拡散前処理を用いた室内シーンの高品質でスタイルに一貫性のあるテクスチャを生成する新しい方法である。
SceneTexは3D-FRONTシーンの様々な正確なテクスチャ合成を可能にする。
論文 参考訳（メタデータ） (2023-11-28T22:49:57Z) - SceneComposer: Any-Level Semantic Image Synthesis [80.55876413285587]
任意の精度のセマンティックレイアウトから条件付き画像合成のための新しいフレームワークを提案する。
このフレームワークは、形状情報のない最低レベルのテキスト・トゥ・イメージ(T2I)に自然に還元され、最高レベルのセグメンテーション・トゥ・イメージ(S2I)となる。
本稿では,この新たなセットアップの課題に対処する,新しいテクニックをいくつか紹介する。
論文 参考訳（メタデータ） (2022-11-21T18:59:05Z)
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。