論文の概要: SARe: Structure-Aware Large-Scale 3D Fragment Reassembly

• arxiv url: http://arxiv.org/abs/2603.21611v1
• Date: Mon, 23 Mar 2026 06:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.519173
• Title: SARe: Structure-Aware Large-Scale 3D Fragment Reassembly
• Title（参考訳）: SARE: 構造対応の大規模3Dフラッグメント再組み立て
• Abstract要約: 3Dフラグメントの再組み立ては、共通のオブジェクト座標系において、秩序のないフラグメントポイント雲やメッシュの剛性的なポーズを復元することを目的としている。 既存のエンドツーエンドアプローチは、信頼できない接触推論のために障害をカスケードする傾向がある。 本研究では、ユークリッド空間アセンブリ生成のためのSARe-Genと推論時間改善のためのSARe-Refineを用いた生成フレームワークであるStructure-Aware Reassembly(SARe)を提案する。
• 参考スコア（独自算出の注目度）: 14.2680020647518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D fragment reassembly aims to recover the rigid poses of unordered fragment point clouds or meshes in a common object coordinate system to reconstruct the complete shape. The problem becomes particularly challenging as the number of fragments grows, since the target shape is unknown and fragments provide weak semantic cues. Existing end-to-end approaches are prone to cascading failures due to unreliable contact reasoning, most notably inaccurate fragment adjacencies. To address this, we propose Structure-Aware Reassembly (SARe), a generative framework with SARe-Gen for Euclidean-space assembly generation and SARe-Refine for inference-time refinement, with explicit contact modeling. SARe-Gen jointly predicts fracture-surface token probabilities and an inter-fragment contact graph to localize contact regions and infer candidate adjacencies. It adopts a query-point-based conditioning scheme and extracts aligned local geometric tokens at query locations from a frozen geometry encoder, yielding queryable structural representations without additional structural pretraining. We further introduce an inference-time refinement stage, SARe-Refine. By verifying candidate contact edges with geometric-consistency checks, it selects reliable substructures and resamples the remaining uncertain regions while keeping verified parts fixed, leading to more stable and consistent assemblies in the many-fragment regime. We evaluate SARe across three settings, including synthetic fractures, simulated fractures from scanned real objects, and real physically fractured scans. The results demonstrate state-of-the-art performance, with more graceful degradation and higher success rates as the fragment count increases in challenging large-scale reassembly.
• Abstract（参考訳）: 3Dフラグメントの再組み立ては、整列されていないフラグメントポイント雲やメッシュの固いポーズを、共通のオブジェクト座標系で復元し、完全な形状を再構築することを目的としている。 ターゲット形状が不明であり、断片が弱い意味的手がかりを提供するため、フラグメントの数が増加するにつれて、この問題は特に困難になる。 既存のエンドツーエンドアプローチは、信頼性の低い接触推論(特に不正確なフラグメント隣接)によって、障害をカスケードする傾向がある。 そこで本研究では、ユークリッド空間アセンブリ生成のためのSARe-Genと、推論時間改善のためのSARe-Refineと、明示的な接触モデリングを用いたSARe-Aware Reassembly(SARe)を提案する。 SARe-Genは、破面トークン確率とフラグメント間接触グラフを共同で予測し、接触領域をローカライズし、候補隣接性を推測する。 クエリポイントベースの条件付きスキームを採用し、凍結した幾何エンコーダからクエリ位置の整列した局所的幾何トークンを抽出し、付加的な構造事前学習なしでクエリ可能な構造表現を生成する。 推論時間改善段階であるSARe-Refineについても紹介する。 疑似接触エッジを幾何整合性チェックで検証することにより、信頼性の高いサブ構造を選択し、検証された部分の固定を維持しながら残りの不確実な領域を再サンプリングし、多数のフラグメント体制においてより安定で一貫したアセンブリを実現する。 我々は, 人工骨折, 走査された実物からの模擬骨折, 実際の物理的骨折スキャンの3つの設定でSAReを評価した。 その結果, 大規模な再組み立てに挑戦する際のフラグメント数の増加に伴い, より優雅な劣化, 高い成功率を示すことができた。

関連論文リスト

• SCULPT: Subtractive Composition for 3D Part Generation [48.947695076233835]
  パートアウェアな3D生成は、完全なオブジェクトとして一貫性のあるデジタルアセットを作成することを目的としています。 本稿では,これらの課題に対処するフレームワークであるSCULPTを提案する。
  論文  参考訳（メタデータ） (2026-08-13T17:55:04Z)
• ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures [18.468596508491967]
  ReSceneは、パイプライン全体のマルチビュージオメトリを統一前のものとしてスレッドするフレームワークである。 HierViewはセマンティックな一貫性と3Dカバレッジに基づいた再構築ビューを優先する。 ReSceneは、ScanNetの一連のシーンで、幾何学、レンダリング、知覚的品質をまたいだ、新しい最先端のアートをセットする。
  論文  参考訳（メタデータ） (2026-06-26T13:08:40Z)
• GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
  本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。 結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
  論文  参考訳（メタデータ） (2026-06-02T17:13:01Z)
• OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation [49.49933361280724]
  OcclusionFormerは、インスタンスを分離することで、Zオーダーの優先順位を明示的にモデル化する新しいフレームワークです。 また、個別のインスタンスを明示的に監視し、セマンティックな一貫性を高めるクエリアライメント損失を導入します。 提案手法は,重なり合う領域の曖昧さを効果的に低減し,正しい閉塞依存性を強制し,構造的整合性を保ち,様々な場面で精度の高い向上をもたらす。
  論文  参考訳（メタデータ） (2026-05-20T16:10:44Z)
• Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure [55.17771962316751]
  現在の3Dトークンは、表現を空間圧縮として扱うが、コンポーネントの所有権とアタッチメントの妥当性は暗黙的に残す。 我々は、トークン化がパッシブ圧縮コードではなく操作状態を構成する、インターフェイス中心の生成状態という別の視点を定式化する。 我々は、この定式化を、C2LT-3D(Component-Conditioned Canonical Local Tokens)でインスタンス化し、表現を標準局所幾何学、パーティション条件付きコンテキスト、およびリレーショナルシーム変数に分解する。
  論文  参考訳（メタデータ） (2026-05-11T12:09:28Z)
• Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
  長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。 既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。 我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
  論文  参考訳（メタデータ） (2026-02-24T06:12:51Z)
• 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)
• Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
  本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。 私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。 提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-04T05:08:04Z)
• Scalable Geometric Fracture Assembly via Co-creation Space among Assemblers [24.89380678499307]
  我々は,意味情報に頼らずに,幾何学的フラクチャーアセンブリのためのスケーラブルなフレームワークを開発した。 本稿では, フラクチャー・アセンブリ・プロセスにおける衝突問題に対処するために, 新たな損失関数,すなわち幾何に基づく衝突損失を導入する。 私たちのフレームワークは、既存の最先端フレームワークと比較して、PartNetとBreaking Badデータセットの両方でパフォーマンスが向上しています。
  論文  参考訳（メタデータ） (2023-12-19T17:13:51Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• TC-SfM: Robust Track-Community-Based Structure-from-Motion [24.956499348500763]
  本研究では,現場における高次情報,すなわち地域空間の文脈情報を活用することで,復興を導くことを提案する。 新たな構造、すなわち、各コミュニティがトラックのグループで構成され、シーン内の局所的なセグメントを表現する、テキストトラックコミュニティが提案されている。
  論文  参考訳（メタデータ） (2022-06-13T01:09:12Z)
• Point Scene Understanding via Disentangled Instance Mesh Reconstruction [21.92736190195887]
  本稿では,効率的なポイントシーン理解のために,aDisentangled Instance Mesh Reconstruction (DIMR) フレームワークを提案する。 セグメント化ベースのバックボーンは、偽陽性オブジェクトの提案を減らすために適用される。 メッシュを意識した潜在コード空間を活用して、シェイプコンプリートとメッシュ生成のプロセスを切り離します。
  論文  参考訳（メタデータ） (2022-03-31T06:36:07Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)

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。