Fugu-MT 論文翻訳(概要): Aes3D: Aesthetic Assessment in 3D Gaussian Splatting

論文の概要: Aes3D: Aesthetic Assessment in 3D Gaussian Splatting

arxiv url: http://arxiv.org/abs/2605.05155v1
Date: Wed, 06 May 2026 17:27:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-07 18:41:07.959538
Title: Aes3D: Aesthetic Assessment in 3D Gaussian Splatting
Title（参考訳）: Aes3D:3次元ガウス切削における審美的評価
Abstract要約: Aes3Dは、3Dニューラルレンダリングシーンの美学を評価するための最初の体系的なフレームワークである。 Aes3Dには、3Dシーンの美的評価に特化した最初のデータセットであるAesthetic3Dが含まれている。 Aes3DGSNetは、3DGS表現から直接シーンレベルの美的スコアを予測する軽量モデルである。
参考スコア（独自算出の注目度）: 14.297200222005918
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: As 3D Gaussian Splatting (3DGS) gains attention in immersive media and digital content creation, assessing the aesthetics of 3D scenes becomes important in helping creators build more visually compelling 3D content. However, existing evaluation methods for 3D scenes primarily emphasize reconstruction fidelity and perceptual realism, largely overlooking higher-level aesthetic attributes such as composition, harmony, and visual appeal. This limitation comes from two key challenges: (1) the absence of general 3DGS datasets with aesthetic annotations, and (2) the intrinsic nature of 3DGS as a low-level primitive representation, which makes it difficult to capture high-level aesthetic features. To address these challenges, we propose Aes3D, the first systematic framework for assessing the aesthetics of 3D neural rendering scenes. Aes3D includes Aesthetic3D, the first dataset dedicated to 3D scene aesthetic assessment, built on our proposed annotation strategy for 3D scene aesthetics. In addition, we present Aes3DGSNet, a lightweight model that directly predicts scene-level aesthetic scores from 3DGS representations. Notably, our model operates solely on 3D Gaussian primitives, eliminating the need for rendering multi-view images and thus reducing computational cost and hardware requirements. Through aesthetics-supervised learning on multi-view 3DGS scene representations, Aes3DGSNet effectively captures high-level aesthetic cues and accurately regresses aesthetic scores. Experimental results demonstrate that our approach achieves strong performance while maintaining a lightweight design, establishing a new benchmark for 3D scene aesthetic assessment. Code and datasets will be made available in a future version.
Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は没入型メディアやデジタルコンテンツ制作において注目を集めているため、クリエイターがより視覚的に魅力的な3Dコンテンツを作るのを助けるために、3Dシーンの美観を評価することが重要である。しかし,既存の3次元シーンの評価手法は,構成や調和,視覚的魅力といった高度な美的特性を主に見越して,再構築の忠実さと知覚的リアリズムを強調している。この制限は、(1)美的アノテーションを持つ一般的な3DGSデータセットの欠如、(2)低レベルの原始表現としての3DGSの本質的な性質の欠如によるものであり、高レベルの美的特徴を捉えるのが困難である。これらの課題に対処するため、我々は3Dニューラルレンダリングシーンの美学を評価するための最初の体系的なフレームワークであるAes3Dを提案する。 Aes3Dには、3Dシーンの美的評価に特化した最初のデータセットであるAesthetic3Dが含まれており、提案した3Dシーンの美的アノテーション戦略に基づいて構築されている。さらに,3DGS表現からシーンレベルの美的スコアを直接予測する軽量モデルであるAes3DGSNetを提案する。特に,本モデルは3次元ガウスプリミティブのみで動作するため,マルチビュー画像のレンダリングの必要性を排除し,計算コストとハードウェア要件を低減できる。 Aes3DGSNetは、多視点3DGSシーン表現の美学教師付き学習を通じて、高レベルの美学の手がかりを効果的に捉え、美学のスコアを正確に復元する。実験により,本手法は軽量なデザインを維持しながら高い性能を達成し,3次元シーン美的評価のための新しいベンチマークを確立した。コードとデータセットは将来のバージョンで利用可能になる。

関連論文リスト

EPS3D: End-to-End Feed-Forward 3D Panoptic Segmentation [92.9295124221522]
EPS3Dは、オープンな3Dパノラマセグメンテーションのためのエンドツーエンドフィードフォワードフレームワークである。マルチビューイメージからセマンティックとインスタンスの機能を予測し、3D一貫性を改善し、エラーの蓄積を避ける。ロボット操作や3Dシーン編集などのタスクをサポートする。
論文参考訳（メタデータ） (2026-06-08T03:26:54Z)
LabelAny3D: Label Any Object 3D in the Wild [18.044792932630752]
COCO3Dは、MS-COCOデータセットから派生したオープンボキャブラリ単分子3D検出のための新しいベンチマークである。本稿では,2次元画像から総合的な3Dシーンを再構築し,高品質な3Dバウンディングボックスアノテーションを効率よく生成するインカライズ・バイ・シンセサイザーフレームワークであるLabelAny3Dを紹介する。
論文参考訳（メタデータ） (2026-01-04T22:03:45Z)
Towards Physically Executable 3D Gaussian for Embodied Navigation [37.428618598143395]
SAGE-3Dは、3DGSを実行可能、セマンティック、物理的に整合した環境にアップグレードする新しいパラダイムである。 1)オブジェクトレベルの微粒なアノテーションを3DGSに追加するオブジェクト中心セマンティックグラウンドリングと,(2)衝突物体を3DGSに埋め込む物理認識実行結合とから構成される。 1Kオブジェクトアノテートされた3DGS屋内シーンデータを含むInstituteGSをリリースし、2MVLNデータを備えた最初の3DGSベースのVLNベンチマークであるSAGE-Benchを紹介した。
論文参考訳（メタデータ） (2025-10-24T10:05:00Z)
Hi3DEval: Advancing 3D Generation Evaluation with Hierarchical Validity [78.7107376451476]
Hi3DEvalは3D生成コンテンツに適した階層的評価フレームワークである。素材リアリズムを明示的に評価することで審美的外観を超えてテクスチャ評価を拡張する。ハイブリッド3次元表現に基づく3次元自動スコアリングシステムを提案する。
論文参考訳（メタデータ） (2025-08-07T17:50:13Z)
Visibility-Uncertainty-guided 3D Gaussian Inpainting via Scene Conceptional Learning [63.94919846010485]
3DGI)は、複数の入力ビューから補完的な視覚的・意味的手がかりを効果的に活用することが困難である。本稿では,異なる入力ビュー間での3Dポイントの視認性不確実性を計測し,それらを用いて3DGIを誘導する手法を提案する。 ViSibility-uncerTainty-guided 3DGIとシーンコンセプトAl学習を統合し,新しい3DGIフレームワークであるVISTAを構築した。
論文参考訳（メタデータ） (2025-04-23T06:21:11Z)
Ross3D: Reconstructive Visual Instruction Tuning with 3D-Awareness [73.72335146374543]
本稿では,3次元視覚指導を訓練手順に組み込んだ3次元視覚指導法(Ross3D)について紹介する。 Ross3Dは様々な3Dシーン理解ベンチマークで最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2025-04-02T16:59:55Z)
PonderV2: Pave the Way for 3D Foundation Model with A Universal Pre-training Paradigm [111.16358607889609]
本稿では,効率的な3D表現の獲得を容易にするために,新しいユニバーサル3D事前学習フレームワークを提案する。 PonderV2は、11の室内および屋外ベンチマークで最先端のパフォーマンスを達成したことで、その効果が示唆された。
論文参考訳（メタデータ） (2023-10-12T17:59:57Z)
CLIP-Guided Vision-Language Pre-training for Question Answering in 3D Scenes [68.61199623705096]
我々は,モデルが意味論的かつ伝達可能な3Dシーンポイントクラウド表現を学習するのに役立つ,新しい3D事前学習型ビジョンランゲージを設計する。符号化された3Dシーン特徴と対応する2D画像とテキスト埋め込みとを一致させることにより、人気のあるCLIPモデルの表現力を3Dエンコーダに注入する。我々は,3次元視覚質問応答の下流課題に対して,我々のモデルによる3次元世界推論能力を評価する。
論文参考訳（メタデータ） (2023-04-12T16:52:29Z)
Learning 3D Scene Priors with 2D Supervision [37.79852635415233]
本研究では,3次元の地平を必要とせず,レイアウトや形状の3次元シーンを学習するための新しい手法を提案する。提案手法は, 3次元シーンを潜在ベクトルとして表現し, クラスカテゴリを特徴とするオブジェクト列に段階的に復号化することができる。 3D-FRONT と ScanNet による実験により,本手法は単一視点再構成における技術状況よりも優れていた。
論文参考訳（メタデータ） (2022-11-25T15:03:32Z)

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。