論文の概要: Genie Sim PanoRecon: Fast Immersive Scene Generation from Single-View Panorama

• arxiv url: http://arxiv.org/abs/2604.07105v1
• Date: Wed, 08 Apr 2026 13:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.56951
• Title: Genie Sim PanoRecon: Fast Immersive Scene Generation from Single-View Panorama
• Title（参考訳）: Genie Sim PanoRecon: シングルビューパノラマによる高速没入型シーン生成
• Authors: Zhijun Li, Yongxin Su, Di Yang, Jichao Wang, Zheyuan Xing, Qian Wang, Maoqing Yao,
• Abstract要約: Genie Sim PanoReconは、ロボット操作シミュレーションのための高忠実で低コストな3Dシーンを提供する、フィードフォワードのガウス型パイプラインである。 システム全体が数秒で写実的なシーンを再構築し、Genie Simに統合された。
• 参考スコア（独自算出の注目度）: 10.779071888296679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Genie Sim PanoRecon, a feed-forward Gaussian-splatting pipeline that delivers high-fidelity, low-cost 3D scenes for robotic manipulation simulation. The panorama input is decomposed into six non-overlapping cube-map faces, processed in parallel, and seamlessly reassembled. To guarantee geometric consistency across views, we devise a depth-aware fusion strategy coupled with a training-free depth-injection module that steers the monocular feed-forward network to generate coherent 3D Gaussians. The whole system reconstructs photo-realistic scenes in seconds and has been integrated into Genie Sim - a LLM-driven simulation platform for embodied synthetic data generation and evaluation - to provide scalable backgrounds for manipulation tasks. For code details, please refer to: https://github.com/AgibotTech/genie_sim/tree/main/source/geniesim_world.
• Abstract（参考訳）: Genie Sim PanoReconは、ロボット操作シミュレーションのための高忠実で低コストな3Dシーンを提供する、フィードフォワードのガウス型パイプラインである。 パノラマ入力は、重複しない6つの立方体写像面に分解され、並列に処理され、シームレスに再組み立てされる。 ビュー間の幾何的整合性を保証するため,単分子フィードフォワードネットワークを操り,コヒーレントな3Dガウスを生成するトレーニングフリーな深度注入モジュールと組み合わせた深度認識融合戦略を考案した。 このシステムは、写真リアリスティックなシーンを数秒で再構築し、ジェニー・シム(ジェニー・シム)と統合された。 コードの詳細については、https://github.com/AgibotTech/genie_sim/tree/main/source/geniesim_worldを参照してください。

関連論文リスト

• NVSim: Novel View Synthesis Simulator for Large Scale Indoor Navigation [0.39198548406564604]
  NVSimは,一般的な画像列のみから大規模でナビゲート可能な屋内シミュレータを自動構築するフレームワークである。 クリーンでナビゲーション可能な地上面と,メッシュフリーなトラバーサビリティチェックアルゴリズムを実現するために,Floor-Aware Gaussian Splattingを導入する。 実世界のデータから有効な大規模ナビゲーショングラフを生成する能力を示す。
  論文  参考訳（メタデータ） (2025-10-28T11:57:33Z)
• Lyra: Generative 3D Scene Reconstruction via Video Diffusion Model Self-Distillation [87.91642226587294]
  現在の学習に基づく3D再構成手法は、キャプチャーされた実世界のマルチビューデータに頼っている。 本稿では,ビデオ拡散モデルにおける暗黙的な3次元知識を,明示的な3次元ガウススプラッティング(3DGS)表現に蒸留する自己蒸留フレームワークを提案する。 本フレームワークは静的・動的3次元シーン生成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-23T17:58:01Z)
• Matrix-3D: Omnidirectional Explorable 3D World Generation [20.568791715708134]
  広視野全方位3次元世界生成のためのパノラマ表現を利用するフレームワークMatrix-3Dを提案する。 まず,シーンメッシュレンダリングを条件として,軌跡誘導パノラマ動画拡散モデルを訓練する。 本研究では, パノラマシーン映像を3次元世界へ持ち上げるために, (1) 高速3次元シーン再構成のためのフィードフォワード大パノラマ再構成モデル, (2) 正確かつ詳細な3次元シーン再構成のための最適化ベースパイプラインの2つの方法を提案する。
  論文  参考訳（メタデータ） (2025-08-11T15:29:57Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
  PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。 初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-31T08:58:10Z)
• DreamScene360: Unconstrained Text-to-3D Scene Generation with Panoramic Gaussian Splatting [56.101576795566324]
  テキストから3D 360$circ$のシーン生成パイプラインを提示する。 提案手法は, 2次元拡散モデルの生成力を利用して, 自己複製を促進する。 当社の手法は,360ドル(約3万2000円)の視野内で,グローバルに一貫した3Dシーンを提供する。
  論文  参考訳（メタデータ） (2024-04-10T10:46:59Z)
• Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
  我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。 UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。 モデル化された結果が最先端のアプローチを上回る実験を行ないました。
  論文  参考訳（メタデータ） (2024-03-18T04:01:26Z)

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。