論文の概要: RoomRecon: High-Quality Textured Room Layout Reconstruction on Mobile Devices

• arxiv url: http://arxiv.org/abs/2604.19025v1
• Date: Tue, 21 Apr 2026 03:20:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.59386
• Title: RoomRecon: High-Quality Textured Room Layout Reconstruction on Mobile Devices
• Title（参考訳）: RoomRecon: モバイルデバイス上での高品質なテクスチャルームレイアウト再構築
• Authors: Seok Joon Kim, Dinh Duc Cao, Federica Spinola, Se Jin Lee, Kyu Sung Cho,
• Abstract要約: 現在の3D技術は、室内空間の捕捉を促進し、拡張現実(AR)、仮想現実(VR)、拡張現実(XR)の分野を改善している。 しかし、現在の技術は、完全なセマンティックなシーン理解なしに、小さなシーンの変更を反映できないような制限に直面している。 これらの問題は、VR体験やその他のアプリケーションに必要なリアリズムに影響を与える。
• 参考スコア（独自算出の注目度）: 3.262230127283452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Widespread RGB-Depth (RGB-D) sensors and advanced 3D reconstruction technologies facilitate the capture of indoor spaces, improving the fields of augmented reality (AR), virtual reality (VR), and extended reality (XR). Nevertheless, current technologies still face limitations, such as the inability to reflect minor scene changes without a complete recapture, the lack of semantic scene understanding, and various texturing challenges that affect the 3D model's visual quality. These issues affect the realism required for VR experiences and other applications such as in interior design and real estate. To address these challenges, we introduce RoomRecon, an interactive, real-time scanning and texturing pipeline for 3D room models. We propose a two-phase texturing pipeline that integrates AR-guided image capturing for texturing and generative AI models to improve texturing quality and provide better replicas of indoor spaces. Moreover, we suggest focusing only on permanent room elements such as walls, floors, and ceilings, to allow for easily customizable 3D models. We conduct experiments in a variety of indoor spaces to assess the texturing quality and speed of our method. The quantitative results and user study demonstrate that RoomRecon surpasses state-of-the-art methods in terms of texturing quality and on-device computation time.
• Abstract（参考訳）: 広帯域RGB-Depth(RGB-D)センサと高度な3D再構成技術は、屋内空間の捕捉を促進し、拡張現実(AR)、仮想現実(VR)、拡張現実(XR)の分野を改善している。 しかしながら、現在の技術は、完全な再キャプチャーなしで小さなシーンの変更を反映できないこと、セマンティックなシーン理解の欠如、そして3Dモデルの視覚的品質に影響を与える様々なテクスチャの課題など、制限に直面している。 これらの問題は、VR体験に必要なリアリズムや、インテリアデザインや不動産など他のアプリケーションに影響を与える。 これらの課題に対処するため、3DルームモデルのためのインタラクティブでリアルタイムなスキャンおよびテクスチャパイプラインであるRoomReconを紹介した。 テクスチャと生成AIモデルのためのAR誘導画像キャプチャを統合した2相テクスチャパイプラインを提案し、テクスチャ品質を改善し、室内空間のより優れたレプリカを提供する。 さらに,壁や床,天井などの常設の部屋要素にのみ焦点をあてて,容易にカスタマイズ可能な3Dモデルを提案する。 室内の様々な空間で実験を行い,本手法のテクスチャ品質と速度を評価する。 定量的な結果とユーザスタディは、RoomReconがテクスチャ品質とオンデバイス計算時間で最先端の手法を超越していることを示している。

関連論文リスト

• R3eVision: A Survey on Robust Rendering, Restoration, and Enhancement for 3D Low-Level Vision [9.961452710097685]
  3次元低レベルビジョン(3D LLV)は、古典的な2次元低レベルビジョンタスクを3次元空間領域に拡張する。 LLVをニューラルレンダリングフレームワークに統合する最近の手法は、有害な条件下で高忠実度3D再構成を可能にする方法を説明するために分類される。 本研究は、3D LLVを実環境におけるロバストな3Dコンテンツ生成とシーンレベルの再構築の基本的な方向性として位置づける。
  論文  参考訳（メタデータ） (2025-06-19T12:25:46Z)
• InsTex: Indoor Scenes Stylized Texture Synthesis [81.12010726769768]
  拡張現実(ARVR)アプリケーションでは、高品質なテクスチャが3Dシーンに不可欠である。 現在の手法は、長い処理時間と視覚的アーティファクトに悩まされている。 3Dシーンのための高品質なテクスチャを生成するために設計された2段階アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-01-22T08:37:59Z)
• AURORA: Automated Unleash of 3D Room Outlines for VR Applications [29.70242715879101]
  AURORAは、RGB-D画像を利用して、バーチャルリアリティ(VR)シーンとVRシーンの両方を自動的に生成する新しい手法である。 AURORAは、画像処理、セグメンテーション、および3D再構成における高度な技術を統合し、現実的で詳細なインテリアデザインを効率的に作成する。
  論文  参考訳（メタデータ） (2024-12-15T03:06:22Z)
• ControlRoom3D: Room Generation using Semantic Proxy Rooms [48.93419701713694]
  高品質なルームメッシュを生成するための新しい手法であるControlRoom3Dを提案する。 われわれのアプローチはユーザ定義の3Dセマンティック・プロキシールームであり、粗い部屋のレイアウトを概説している。 2Dにレンダリングすると、この3D表現は強力な2Dモデルを制御するための貴重な幾何学的および意味的な情報を提供する。
  論文  参考訳（メタデータ） (2023-12-08T17:55:44Z)
• EvaSurf: Efficient View-Aware Implicit Textured Surface Reconstruction [53.28220984270622]
  3次元再構成法はリアルタイムに3次元整合性のある高忠実度結果を生成する。 提案手法は,合成と実世界の両方のデータセット上で,高品質な外観と正確なメッシュを再構築することができる。 我々の方法は1つのGPUを使ってたった1～2時間でトレーニングでき、40FPS(Frames per second)以上のモバイルデバイス上で実行することができる。
  論文  参考訳（メタデータ） (2023-11-16T11:30:56Z)
• Development and Evaluation of a Learning-based Model for Real-time Haptic Texture Rendering [23.078251379039987]
  触覚テクスチャレンダリングのための学習に基づく行動条件モデルを提案する。 提案手法は,最先端手法に匹敵する,あるいは高品質な高周波数テクスチャレンダリングを実現する。
  論文  参考訳（メタデータ） (2022-12-27T01:06:26Z)

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。