論文の概要: FurnSet: Exploiting Repeats for 3D Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2604.20093v1
• Date: Wed, 22 Apr 2026 01:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.904475
• Title: FurnSet: Exploiting Repeats for 3D Scene Reconstruction
• Title（参考訳）: FurnSet:3Dシーンの再現を繰り返す
• Authors: Paul Dobre, Xin Wang, Hongzhou Yang,
• Abstract要約: シングルビュー3Dシーン再構成は、オブジェクト形状と空間配置の両方を推測する。 既存のメソッドは通常、オブジェクトを独立して再構築するか、暗黙のシーンコンテキストに依存します。 FurnSetは、繰り返しオブジェクトインスタンスを明示的に識別し、活用して再構築を改善するフレームワークである。
• 参考スコア（独自算出の注目度）: 3.948390930350905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-view 3D scene reconstruction involves inferring both object geometry and spatial layout. Existing methods typically reconstruct objects independently or rely on implicit scene context, failing to exploit the repeated instances commonly present in realworld scenes. We propose FurnSet, a framework that explicitly identifies and leverages repeated object instances to improve reconstruction. Our method introduces per-object CLS tokens and a set-aware self-attention mechanism that groups identical instances and aggregates complementary observations across them, enabling joint reconstruction. We further combine scene-level and object-level conditioning to guide object reconstruction, followed by layout optimization using object point clouds with 3D and 2D projection losses for scene alignment. Experiments on 3D-Future and 3D-Front demonstrate improved scene reconstruction quality, highlighting the effectiveness of exploiting repetition for robust 3D scene reconstruction.
• Abstract（参考訳）: シングルビュー3Dシーン再構成は、オブジェクト形状と空間配置の両方を推測する。 既存のメソッドは通常、オブジェクトを独立して再構築するか、暗黙のシーンコンテキストに依存する。 FurnSetは、繰り返しオブジェクトインスタンスを明示的に識別し、活用して再構築を改善するフレームワークである。 提案手法では, オブジェクトごとのCLSトークンと, 同一のインスタンスをグループ化し, 相互に相補的な観察を集約し, 共同再建を可能にする, 集合認識型自己保持機構を導入する。 さらに、シーンレベルの条件付けとオブジェクトレベルの条件付けを組み合わせることで、オブジェクト再構成を誘導し、3次元および2次元の投影損失を持つオブジェクトポイント雲を用いたレイアウト最適化を行い、シーンアライメントを実現する。 3D-Future と 3D-Front による3D-Future および 3D-Front の再現性向上実験を行った。

関連論文リスト

• MessyKitchens: Contact-rich object-level 3D scene reconstruction [26.192713922771244]
  乱雑な環境を特徴とする現実世界のシーンを備えた新しいデータセットであるMessyKitchensを紹介した。 近年のSAM 3Dによる単一オブジェクト再構成手法をベースとして,複数オブジェクトデコーダ(MOD)を用いてオブジェクトレベルの共同再構成を実現している。
  論文  参考訳（メタデータ） (2026-03-17T17:59:51Z)
• Online 3D Scene Reconstruction Using Neural Object Priors [83.14204014687938]
  本稿では,RGB-Dビデオシーケンスが与えられたオブジェクトのレベルにおいて,オンラインでシーンを再構成する問題に対処する。 本稿では,新しい対象部品が明らかになれば,オブジェクト中心の暗黙表現を継続的に更新する特徴グリッド機構を提案する。 提案手法は, 再建精度と完全性の観点から, 最先端のニューラル暗黙モデルより優れている。
  論文  参考訳（メタデータ） (2025-03-24T17:09:36Z)
• Iterative Superquadric Recomposition of 3D Objects from Multiple Views [77.53142165205283]
  2次元ビューから直接3次元スーパークワッドリックを意味部品として用いたオブジェクトを再構成するフレームワークISCOを提案する。 我々のフレームワークは、再構成エラーが高い場合に、反復的に新しいスーパークワッドリックを追加します。 これは、野生の画像からでも、より正確な3D再構成を提供する。
  論文  参考訳（メタデータ） (2023-09-05T10:21:37Z)
• AutoRecon: Automated 3D Object Discovery and Reconstruction [41.60050228813979]
  多視点画像からのオブジェクトの自動発見と再構築のための新しいフレームワークAutoReconを提案する。 本研究では,SfM点群からフォアグラウンド・オブジェクトの位置とセグメンテーションを,自己監督型2次元ビジョン・トランスフォーマーの機能を活用して行うことを実証する。 DTU、BlendedMVS、CO3D-V2データセットの実験はAutoReconの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-05-15T17:16:46Z)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• Towards High-Fidelity Single-view Holistic Reconstruction of Indoor Scenes [50.317223783035075]
  単視点画像から総合的な3次元屋内シーンを再構築するための新しい枠組みを提案する。 詳細なオブジェクト再構成のためのインスタンス整列型暗黙関数(InstPIFu)を提案する。 私たちのコードとモデルは公開されます。
  論文  参考訳（メタデータ） (2022-07-18T14:54:57Z)
• Reconstructing Small 3D Objects in front of a Textured Background [0.0]
  テクスチャ化された背景の前を移動する小さな物体の完全な3次元再構成手法を提案する。 これは運動から多体構造の特定のバリエーションであり、2つの物体のみに特化している。 実物を用いた実験では, 両面から3次元オブジェクトを再構成する際に, 現実的な利点があることが示されている。
  論文  参考訳（メタデータ） (2021-05-24T15:36:33Z)
• Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
  エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。 この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
  論文  参考訳（メタデータ） (2021-03-30T05:56:58Z)
• CoReNet: Coherent 3D scene reconstruction from a single RGB image [43.74240268086773]
  我々は1つのRBG画像のみを入力として与えられた1つの物体の形状を再構築する深層学習の進歩の上に構築する。 提案する3つの拡張は,(1)局所的な2次元情報を物理的に正しい方法で出力3Dボリュームに伝播するレイトレーシングスキップ接続,(2)翻訳同変モデルの構築を可能にするハイブリッド3Dボリューム表現,(3)全体オブジェクトの形状を捉えるために調整された再構成損失である。 すべての物体がカメラに対して一貫した1つの3次元座標フレームに居住し、3次元空間内では交差しないコヒーレントな再構成を実現する。
  論文  参考訳（メタデータ） (2020-04-27T17:53:07Z)
• Total3DUnderstanding: Joint Layout, Object Pose and Mesh Reconstruction for Indoor Scenes from a Single Image [24.99186733297264]
  本研究では,単一画像から部屋レイアウト,オブジェクト境界ボックス,メッシュを共同で再構築するエンド・ツー・エンドのソリューションを提案する。 本手法は,3成分からなる粗大な階層構造を提案する。 SUN RGB-D および Pix3D データセットを用いた実験により,本手法が既存手法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-27T16:00:52Z)

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。