論文の概要: ReConText3D: Replay-based Continual Text-to-3D Generation

• arxiv url: http://arxiv.org/abs/2604.13730v1
• Date: Wed, 15 Apr 2026 11:11:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.501603
• Title: ReConText3D: Replay-based Continual Text-to-3D Generation
• Title（参考訳）: ReConText3D: Replay-based Continual Text-to-3D Generation
• Authors: Muhammad Ahmed Ullah Khan, Muhammad Haris Bin Amir, Didier Stricker, Muhammad Zeshan Afzal,
• Abstract要約: 継続的な学習は、モデルが以前に学習した能力を維持しながら、時間とともに新しい知識を取得することを可能にする。 ReConText3Dは連続的なテキスト・ツー・3D生成のための最初のフレームワークである。
• 参考スコア（独自算出の注目度）: 18.49810791076285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continual learning enables models to acquire new knowledge over time while retaining previously learned capabilities. However, its application to text-to-3D generation remains unexplored. We present ReConText3D, the first framework for continual text-to-3D generation. We first demonstrate that existing text-to-3D models suffer from catastrophic forgetting under incremental training. ReConText3D enables generative models to incrementally learn new 3D categories from textual descriptions while preserving the ability to synthesize previously seen assets. Our method constructs a compact and diverse replay memory through text-embedding k-Center selection, allowing representative rehearsal of prior knowledge without modifying the underlying architecture. To systematically evaluate continual text-to-3D learning, we introduce Toys4K-CL, a benchmark derived from the Toys4K dataset that provides balanced and semantically diverse class-incremental splits. Extensive experiments on the Toys4K-CL benchmark show that ReConText3D consistently outperforms all baselines across different generative backbones, maintaining high-quality generation for both old and new classes. To the best of our knowledge, this work establishes the first continual learning framework and benchmark for text-to-3D generation, opening a new direction for incremental 3D generative modeling. Project page is available at: https://mauk95.github.io/ReConText3D/.
• Abstract（参考訳）: 継続的な学習は、モデルが以前に学習した能力を維持しながら、時間とともに新しい知識を取得することを可能にする。 しかし、テキスト・ツー・3D生成への応用は未定である。 ReConText3Dは連続的なテキスト・ツー・3D生成のための最初のフレームワークである。 まず,既存のテキスト・ツー・3Dモデルでは,漸進的なトレーニングの際の大惨な忘れ込みに悩まされていることを実証した。 ReConText3Dは、生成モデルがテキスト記述から新しい3Dカテゴリを段階的に学習し、以前に見た資産を合成する機能を保持する。 提案手法は,k-Center選択をテキスト埋め込みすることで,コンパクトで多様なリプレイメモリを構築する。 連続テキストから3Dの学習を体系的に評価するために,Toys4Kデータセットから得られたベンチマークであるToys4K-CLを導入する。 Toys4K-CLベンチマークの大規模な実験によると、ReConText3Dは、異なる生成バックボーンのすべてのベースラインを一貫して上回り、古いクラスと新しいクラスの両方で高品質な生成を維持している。 我々の知る限り、本研究はテキスト・ツー・3D生成のための最初の連続学習フレームワークとベンチマークを確立し、インクリメンタルな3D生成モデリングのための新たな方向性を開拓する。 プロジェクトページは、https://mauk95.github.io/ReConText3D/.comで公開されている。

関連論文リスト

• VIST3A: Text-to-3D by Stitching a Multi-view Reconstruction Network to a Video Generator [69.72818094722186]
  テキスト・ビデオ・ジェネレータは「デコーダ」として3次元再構成システムと組み合わせることができる 私たちは、VIST3Aという、まさにそれを行う一般的なフレームワークを紹介します。 ビデオジェネレータと3次元再構成モデルを用いたVIST3A手法の評価を行った。
  論文  参考訳（メタデータ） (2025-10-15T11:55:08Z)
• ShapeLLM-Omni: A Native Multimodal LLM for 3D Generation and Understanding [16.95099884066268]
  ShapeLLM-Omniは、任意のシーケンスで3Dのアセットとテキストを理解し、生成できる3Dの大規模言語モデルである。 3D対応離散トークンに基づいて、3D-Alpacaという大規模連続トレーニングデータセットを革新的に構築する。 我々の研究は、基本的な3D機能を備えたマルチモーダルモデルを効果的に拡張する試みであり、将来の3DネイティブAIの研究に寄与する。
  論文  参考訳（メタデータ） (2025-06-02T16:40:50Z)
• SeMv-3D: Towards Concurrency of Semantic and Multi-view Consistency in General Text-to-3D Generation [122.47961178994456]
  SeMv-3Dは、GT23D生成におけるセマンティックアライメントとマルチビュー一貫性を協調的に強化する新しいフレームワークである。 本稿では,TPL(Triplane Prior Learning)について紹介する。 我々はまた、一貫した任意のビュー合成を可能にする、三葉飛行機(SAT)における事前ベースセマンティックアライニング(Semantic Aligning)を提案する。
  論文  参考訳（メタデータ） (2024-10-10T07:02:06Z)
• WordRobe: Text-Guided Generation of Textured 3D Garments [30.614451083408266]
  WordRobeは、ユーザフレンドリーなテキストプロンプトから非ポーズでテクスチャ化された3Dメッシュを生成するための新しいフレームワークである。 本研究では,3次元衣服空間の学習,衣服合成,テクスチャ合成において,現在のSOTAよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-26T09:44:34Z)
• ControlDreamer: Blending Geometry and Style in Text-to-3D [34.92628800597151]
  我々は、慎重にキュレートされたテキストコーパスからデータセットに基づいて訓練された、新しい深度対応多視点拡散モデルであるMulti-view ControlNetを紹介する。 マルチビューコントロールネットは、2段階のパイプラインであるControlDreamerに統合され、テキストガイドによるスタイリングされた3Dモデルの生成を可能にします。
  論文  参考訳（メタデータ） (2023-12-02T13:04:54Z)
• Sculpting Holistic 3D Representation in Contrastive Language-Image-3D Pre-training [51.632418297156605]
  コントラスト型言語画像3D事前学習において, ホロリスティックな3D表現を彫刻するMixCon3Dを提案する。 相補的な視点から3次元オブジェクトレベルの表現を開発する。 次に、MixCon3Dは言語3Dのコントラスト学習を行い、現実世界の3Dオブジェクトを包括的に表現し、テキストアライメントを強化する。
  論文  参考訳（メタデータ） (2023-11-03T06:05:36Z)
• T$^3$Bench: Benchmarking Current Progress in Text-to-3D Generation [52.029698642883226]
  テキストから3Dへの手法は、強力な事前学習拡散モデルを利用してNeRFを最適化する。 ほとんどの研究は、主観的なケーススタディとユーザ実験で結果を評価している。 最初の総合的なテキスト・ツー・3DベンチマークであるT$3$Benchを紹介する。
  論文  参考訳（メタデータ） (2023-10-04T17:12:18Z)
• ATT3D: Amortized Text-to-3D Object Synthesis [78.96673650638365]
  我々は、個別にではなく、統一されたモデルと同時に多くのプロンプトをトレーニングすることで、テキストプロンプトに対する最適化を保留する。 我々のフレームワークであるAmortized text-to-3D (ATT3D)は、プロンプト間の知識共有を可能にし、未知のセットアップに一般化し、新しいアセットのためのテキストと単純なアニメーション間のスムーズなスムーズさを実現する。
  論文  参考訳（メタデータ） (2023-06-06T17:59:10Z)

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。