論文の概要: 3D Multi-View Stylization with Pose-Free Correspondences Matching for Robust 3D Geometry Preservation

• arxiv url: http://arxiv.org/abs/2604.09639v1
• Date: Sun, 22 Mar 2026 01:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.587025
• Title: 3D Multi-View Stylization with Pose-Free Correspondences Matching for Robust 3D Geometry Preservation
• Title（参考訳）: ロバスト3次元幾何保存のためのポンレス対応マッチングによる3次元多視点スティル化
• Abstract要約: アートスタイルの転送は画像やビデオでよく研究されているが、マルチビューの3Dシーンに拡張することは難しい。 独立したビューごとのスタイリングは、しばしばテクスチャドリフト、湾曲したエッジ、一貫性のないシェーディングを引き起こす。 この論文は、カメラのポーズや明示的な3D表現を仮定することなく、下流の3Dタスクに使用できるマルチビュースタイリングに対処する。
• 参考スコア（独自算出の注目度）: 3.5401979616053008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artistic style transfer is well studied for images and videos, but extending it to multi-view 3D scenes remains difficult because stylization can disrupt correspondences needed by geometry-aware pipelines. Independent per-view stylization often causes texture drift, warped edges, and inconsistent shading, degrading SLAM, depth prediction, and multi-view reconstruction. This thesis addresses multi-view stylization that remains usable for downstream 3D tasks without assuming camera poses or an explicit 3D representation during training. We introduce a feed-forward stylization network trained with per-scene test-time optimization under a composite objective coupling appearance transfer with geometry preservation. Stylization is driven by an AdaIN-inspired loss from a frozen VGG-19 encoder, matching channel-wise moments to a style image. To stabilize structure across viewpoints, we propose a correspondence-based consistency loss using SuperPoint and SuperGlue, constraining descriptors from a stylized anchor view to remain consistent with matched descriptors from the original multi-view set. We also impose a depth-preservation loss using MiDaS/DPT and use global color alignment to reduce depth-model domain shift. A staged weight schedule introduces geometry and depth constraints. We evaluate on Tanks and Temples and Mip-NeRF 360 using image and reconstruction metrics. Style adherence and structure retention are measured by Color Histogram Distance (CHD) and Structure Distance (DSD). For 3D consistency, we use monocular DROID-SLAM trajectories and symmetric Chamfer distance on back-projected point clouds. Across ablations, correspondence and depth regularization reduce structural distortion and improve SLAM stability and reconstructed geometry; on scenes with MuVieCAST baselines, our method yields stronger trajectory and point-cloud consistency while maintaining competitive stylization.
• Abstract（参考訳）: アートスタイルの転送は画像やビデオでよく研究されているが、幾何認識パイプラインが必要とする対応を損なう可能性があるため、多視点の3Dシーンに拡張することは依然として困難である。 独立したビューごとのスタイリングは、しばしばテクスチャドリフト、湾曲したエッジ、一貫性のないシェーディング、劣化SLAM、深さ予測、マルチビュー再構成を引き起こす。 この論文は、カメラのポーズやトレーニング中に明示的な3D表現を仮定することなく、下流の3Dタスクに使用できるマルチビュースタイリングに対処する。 本研究では,地形保存と複合目的結合型外観変換の下で,現場ごとのテスト時間最適化を訓練したフィードフォワード型スタイリゼーションネットワークを提案する。 スティル化は、凍結されたVGG-19エンコーダからAdaINにインスパイアされた損失によって駆動される。 そこで我々は,SuperPoint と SuperGlue を用いた対応型整合性損失を提案し,スタイリングされたアンカービューから記述子を制約し,元の多視点集合からの一致した記述子と整合性を保つ。 また、MiDaS/DPTを用いて深度保存損失を課し、グローバルカラーアライメントを用いて深度モデルドメインシフトを低減する。 ステージ化されたウェイトスケジュールは、幾何学的制約と深さ制約を導入する。 画像と再構成の指標を用いて,タンクとテンプルとMip-NeRF 360の評価を行った。 スタイルの付着と構造保持は、カラーヒストグラム距離(CHD)と構造距離(DSD)によって測定される。 3次元整合性には、単分子DROID-SLAM軌道と、後方投影された点雲上の対称シャムファー距離を用いる。 また,MuVieCASTをベースラインとしたシーンでは,競合スタイリゼーションを維持しつつ,より強い軌道と点-雲の整合性が得られる。

関連論文リスト

• ReconSplat: Generalizable 3D Scene Reconstruction Beyond Observed Views [9.257489669927624]
  ReconSplatは3Dシーン再構築のためのフィードフォワードモデルである。 幾何学的に整列した新しいビューと鋭い深さ推定の両方を提供する。 実際のベンチマークで、フォトリアリスティックなノベルビューと正確な深度マップの両方を生成する。
  論文  参考訳（メタデータ） (2026-08-28T21:53:58Z)
• Capacity-Controlled Multi-View Stylization of 3D Gaussian Splatting [66.3033154284523]
  3DGSのマルチビュースタイリングのためのキャパシティ制御フレームワークを提案する。 可変強度のカラム容量制約を導入することにより,複数対1のマッチングが緩和される。 また、シーンコンテンツとスタイルパターンの対応を制約するために、新しいクロスビューマッチングガイダンスを組み込んだ。
  論文  参考訳（メタデータ） (2026-06-25T08:36:50Z)
• IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
  ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。 IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。 連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2026-05-15T17:59:57Z)
• GemDepth: Geometry-Embedded Features for 3D-Consistent Video Depth [12.866152238833104]
  ビデオ深度推定は、一眼的予測を時間領域に拡張し、コヒーレンスを確保する。 現在のアプローチは主にトランスフォーマーによる時間的平滑化に依存しており、厳密な3次元幾何学的整合性を維持するのに苦労している。 GemDepthは,カメラモーションとグローバル3D構造を明確に認識することが3D一貫性の前提条件である,という知見に基づいて構築されたフレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T13:11:54Z)
• DiffStyle3D: Consistent 3D Gaussian Stylization via Attention Optimization [22.652699040654046]
  3Dスタイルの転送により、視覚的に表現可能な3Dコンテンツを作成することができる。 DiffStyle3Dを提案する。DiffStyle3Dは3DGSスタイル転送のための新しい拡散型パラダイムである。 DiffStyle3Dは最先端の手法より優れ、より高度なスタイリゼーション品質と視覚リアリズムを実現する。
  論文  参考訳（メタデータ） (2026-01-27T15:41:11Z)
• TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
  3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。 近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。 本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-02T02:22:20Z)
• Image-Guided Shape-from-Template Using Mesh Inextensibility Constraints [5.504853768307439]
  Shape-from-Template (SfT) は、3Dテンプレートを使って画像やビデオから変形物体の3D形状を再構築する手法である。 従来のSfT法では、画像やビデオから3D形状をリアルタイムで再構成するために、画像と3Dテンプレートのテクスチャ間の点対応が必要である。 現代のSfT法では、ディープニューラルネットワークを組み込んで3Dオブジェクトを再構成することで、対応のないアプローチを採用している。
  論文  参考訳（メタデータ） (2025-07-30T14:09:39Z)
• 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
  マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。 しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。 本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T02:30:31Z)
• Visual Geometry Grounded Deep Structure From Motion [20.203320509695306]
  本稿では,各コンポーネントが完全に微分可能で,エンドツーエンドでトレーニング可能な,新しいディープパイプラインVGGSfMを提案する。 まず, 深部2次元点追跡の最近の進歩をベースとして, 画素精度の高いトラックを抽出し, ペアマッチングのチェーン化の必要性を解消する。 私たちは、CO3D、IMC Phototourism、ETH3Dという3つの一般的なデータセットで最先端のパフォーマンスを達成しました。
  論文  参考訳（メタデータ） (2023-12-07T18:59:52Z)
• 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)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• TANGO: Text-driven Photorealistic and Robust 3D Stylization via Lighting Decomposition [39.312567993736025]
  本稿では,テキストのプロンプトに従って,与えられた3次元形状の外観スタイルをフォトリアリスティックな方法で転送するタンゴを提案する。 TANGOは,低品質メッシュのスタイリングにおいて,フォトリアリスティックな品質,3次元幾何の整合性,ロバスト性の観点から,既存のテキスト駆動型3Dスタイル転送法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-20T13:52:18Z)
• Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
  3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。 以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。 本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
  論文  参考訳（メタデータ） (2022-04-09T03:46:18Z)

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。