論文の概要: 3D-ReGen: A Unified 3D Geometry Regeneration Framework

• arxiv url: http://arxiv.org/abs/2604.28134v1
• Date: Thu, 30 Apr 2026 17:18:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.220376
• Title: 3D-ReGen: A Unified 3D Geometry Regeneration Framework
• Title（参考訳）: 3D-ReGen: 統一された3次元幾何再生フレームワーク
• Authors: Geon Yeong Park, Roman Shapovalov, Rakesh Ranjan, Jong Chul Ye, Andrea Vedaldi, Thu Nguyen-Phuoc,
• Abstract要約: 初期3次元形状を条件とした3次元再生装置である3D-ReGenを導入する。 3D-ReGenは、3D拡張、再構築、編集など、多くの有用なタスクをサポートする。 我々は3D-ReGenの幾何的整合性と微細な品質の両方を評価し、制御可能な3D生成における最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 101.26715424980996
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of regenerating 3D objects from 2D images and initial 3D shapes. Most 3D generators operate in a one-shot fashion, converting text or images to a 3D object with limited controllability. We introduce instead 3D-ReGen, a 3D regenerator that is conditioned on an initial 3D shape. This conceptually simple formulation allows us to support numerous useful tasks, including 3D enhancement, reconstruction, and editing. 3D-ReGen uses a new conditioning mechanism based on VecSet, which allows the regenerator to update or improve the input geometry with consistent fine-grained details. 3D-ReGen learns a widely applicable regeneration prior from off-the-shelf 3D datasets via self-supervised pretext tasks and augmentations, without additional annotations. We evaluate both the geometric consistency and fine-grained quality of 3D-ReGen, achieving state-of-the-art performance in controllable 3D generation across several tasks.
• Abstract（参考訳）: 2次元画像と初期3次元形状から3次元オブジェクトを再生する問題を考察する。 ほとんどの3Dジェネレータはワンショット方式で動作し、テキストや画像を制御性に制限のある3Dオブジェクトに変換する。 代わりに、初期3次元形状に条件付けされた3D再生装置である3D-ReGenを導入する。 この概念的にシンプルな定式化により、3Dの強化、再構築、編集など、多くの有用なタスクをサポートできます。 3D-ReGenは、VecSetをベースにした新しい条件付け機構を使用しており、再生器は、一貫した細かな詳細で入力幾何学を更新または改善することができる。 3D-ReGenは、自己教師付きプレテキストタスクと拡張を通じて、市販の3Dデータセットから、追加アノテーションなしで広く適用可能なリジェネレーションを学ぶ。 我々は3D-ReGenの幾何的整合性ときめ細かい品質を評価し、複数のタスクで制御可能な3D生成における最先端性能を実現する。

関連論文リスト

• Constructing a 3D Scene from a Single Image [31.11317559252235]
  SceneFuse-3Dは、単一のトップダウンビューからコヒーレントな3Dシーンを合成するために設計されたトレーニング不要のフレームワークである。 入力画像を重なり合う領域に分解し、事前訓練された3Dオブジェクトジェネレータを用いてそれぞれを生成する。 このモジュラー設計により、3次元の監督や微調整を必要とせず、解像度のボトルネックを克服し、空間構造を維持できる。
  論文  参考訳（メタデータ） (2025-05-21T17:10:47Z)
• TAR3D: Creating High-Quality 3D Assets via Next-Part Prediction [137.34863114016483]
  TAR3Dは、3D対応ベクトル量子可変オートエンコーダ(VQ-VAE)と生成事前学習トランス(GPT)で構成される新しいフレームワークである。 TAR3Dは,テキスト・ツー・3Dタスクや画像・ツー・3Dタスクにおいて,既存の手法よりも優れた生成品質が得られることを示す。
  論文  参考訳（メタデータ） (2024-12-22T08:28:20Z)
• C3DAG: Controlled 3D Animal Generation using 3D pose guidance [32.067205350291964]
  C3DAGは3D生成フレームワークである。 与えられたポーズと整合した高品質な3D動物を生成する。
  論文  参考訳（メタデータ） (2024-06-11T21:57:47Z)
• IM-3D: Iterative Multiview Diffusion and Reconstruction for High-Quality 3D Generation [96.32684334038278]
  本稿では,テキスト・ツー・3Dモデルの設計空間について検討する。 画像生成装置の代わりに映像を考慮し、マルチビュー生成を大幅に改善する。 IM-3Dは,2次元ジェネレータネットワーク10-100xの評価回数を削減する。
  論文  参考訳（メタデータ） (2024-02-13T18:59:51Z)
• CC3D: Layout-Conditioned Generation of Compositional 3D Scenes [49.281006972028194]
  本稿では,複雑な3次元シーンを2次元セマンティックなシーンレイアウトで合成する条件生成モデルであるCC3Dを紹介する。 合成3D-FRONTと実世界のKITTI-360データセットに対する評価は、我々のモデルが視覚的および幾何学的品質を改善したシーンを生成することを示す。
  論文  参考訳（メタデータ） (2023-03-21T17:59:02Z)

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。