論文の概要: WorldAct: Activating Monolithic 3D Worlds into Interactive-Ready Object-Centric Scenes
- arxiv url: http://arxiv.org/abs/2605.15843v1
- Date: Fri, 15 May 2026 10:56:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.257188
- Title: WorldAct: Activating Monolithic 3D Worlds into Interactive-Ready Object-Centric Scenes
- Title（参考訳）: WorldAct:モノリシックな3Dワールドをインタラクティブなオブジェクト中心のシーンに活性化
- Authors: Jichen Hu, Jiawei Guo, Jiazhong Cen, Chen Yang, Sikuang Li, Wei Shen,
- Abstract要約: 静的な3Dワールドを編集可能で対話可能なシーンに変換するフレームワークであるWorldActを提示する。
WorldActはマルチモーダルエージェントを使用してシーンの分解を誘導し、実行可能なオブジェクトを識別し、相互作用のために幾何学的に整列されたオブジェクトレベルのメッシュを再構築し、3Dインペインティングによって残りのバックグラウンドを復元する。
実験により、WorldActはオリジナルのシーンよりもリッチなインタラクションシナリオを可能にし、編集可能でインタラクティブな3Dワールドモデルへの実践的な道のりを示唆している。
- 参考スコア（独自算出の注目度）: 15.223046632151364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent 3D world modeling systems based on generative scene synthesis, such as Marble, can create coherent and explorable 3D environments, yet their outputs are typically static monolithic assets with limited editability and physical interaction. This restricts their use in immersive content creation and embodied simulation, where generated worlds must be actively modified and manipulated. To tackle this challenge, we present WorldAct, a framework that converts static generated 3D worlds into editable and interaction-ready scenes. WorldAct uses a multimodal agent to guide scene decomposition, identify actionable objects, reconstruct geometrically aligned object-level meshes for interaction, and restore the residual background via 3D inpainting. The resulting scenes support object-level editing, collision-aware manipulation, and embodied task execution while preserving global scene coherence. Experiments show that WorldAct enables richer interaction scenarios than the original generated scenes, suggesting a practical path toward editable and interactive 3D world models.
- Abstract（参考訳）: Marbleのような生成シーン合成に基づく最近の3次元世界モデリングシステムは、一貫性と探索可能な3D環境を作成することができるが、その出力は通常、編集性や物理的相互作用が制限された静的なモノリシックな資産である。
これにより、没入型コンテンツ生成やエンボディドシミュレーションにおける使用が制限され、生成された世界は積極的に修正され、操作されなければならない。
この課題に対処するため,静的な3Dワールドを編集可能で対話可能なシーンに変換するWorldActを提案する。
WorldActはマルチモーダルエージェントを使用してシーンの分解を誘導し、実行可能なオブジェクトを識別し、相互作用のために幾何学的に整列されたオブジェクトレベルのメッシュを再構築し、3Dインペインティングによって残りのバックグラウンドを復元する。
その結果得られたシーンは、グローバルなシーンコヒーレンスを維持しながら、オブジェクトレベルの編集、衝突認識操作、および実施されたタスク実行をサポートする。
実験により、WorldActはオリジナルのシーンよりもリッチなインタラクションシナリオを可能にし、編集可能でインタラクティブな3Dワールドモデルへの実践的な道のりを示唆している。
関連論文リスト
- WorldGen: From Text to Traversable and Interactive 3D Worlds [87.95088818329403]
本稿では,テキストプロンプトから直接,大規模でインタラクティブな3Dワールドを自動生成するシステムWorldGenを紹介する。
我々のアプローチは、自然言語記述を標準のゲームエンジン内で即座に探索または編集できる完全にテクスチャ化された環境に変換する。
この研究は、ゲーム、シミュレーション、没入型社会環境における応用のための3D生成AIのフロンティアを前進させる、アクセス可能で、大規模に生成可能な世界構築への一歩である。
論文 参考訳（メタデータ） (2025-11-20T22:13:18Z) - ArtiWorld: LLM-Driven Articulation of 3D Objects in Scenes [43.19849355456126]
ArtiWorldは、テキストシーン記述から候補のアーティキュラブルオブジェクトをローカライズする、シーン認識パイプラインである。
このパイプラインのコアとなるArti4URDFは、3Dポイントクラウドと大規模言語モデルの事前知識を活用している。
ArtiWorldを3つのレベル(3Dシミュレーションオブジェクト、フル3Dシミュレーションシーン、実世界のスキャンシーン)で評価する。
論文 参考訳（メタデータ） (2025-11-17T04:59:21Z) - MorphoSim: An Interactive, Controllable, and Editable Language-guided 4D World Simulator [42.06769509897601]
マルチビューの一貫性とオブジェクトレベルの制御を備えた4Dシーンを生成する言語ガイドフレームワークであるMorphoSimを紹介する。
このフレームワークは、軌跡誘導生成と機能フィールドの延長を統合し、完全な再生成なしにインタラクティブに編集を適用できる。
論文 参考訳（メタデータ） (2025-10-05T22:55:17Z) - NeoWorld: Neural Simulation of Explorable Virtual Worlds via Progressive 3D Unfolding [46.79724166827757]
単一入力画像からインタラクティブな3D仮想世界を生成するためのフレームワークであるNeoWorldを紹介する。
SF小説『Simulacron-3』(1964年)のオンデマンド・ワールドビルディングの概念に触発され、我々のシステムは広大な環境を構築する。
論文 参考訳（メタデータ） (2025-09-29T08:24:28Z) - HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation [50.206100327643284]
HiSceneは、2D画像生成と3Dオブジェクト生成のギャップを埋める新しい階層的なフレームワークである。
構成構造を維持しながら2次元表現に整合した3次元コンテンツを生成する。
論文 参考訳（メタデータ） (2025-04-17T16:33:39Z) - Dynamic Scene Understanding through Object-Centric Voxelization and Neural Rendering [57.895846642868904]
オブジェクト中心学習が可能な動的シーンのための3次元生成モデルDynaVol-Sを提案する。
ボキセル化は、個々の空間的位置において、物体ごとの占有確率を推定する。
提案手法は2次元セマンティックな特徴を統合して3次元セマンティック・グリッドを作成し,複数の不整合ボクセル・グリッドを通してシーンを表現する。
論文 参考訳（メタデータ） (2024-07-30T15:33:58Z) - Zero-Shot Multi-Object Scene Completion [59.325611678171974]
1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。
提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
論文 参考訳（メタデータ） (2024-03-21T17:59:59Z)
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。