論文の概要: CompoSE: Compositional Synthesis and Editing of 3D Shapes via Part-Aware Control

• arxiv url: http://arxiv.org/abs/2605.19350v1
• Date: Tue, 19 May 2026 04:39:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.122955
• Title: CompoSE: Compositional Synthesis and Editing of 3D Shapes via Part-Aware Control
• Title（参考訳）: CompoSE: 部品認識制御による3次元形状の合成と編集
• Authors: Habib Slim, Shariq Farooq Bhat, Mohamed Elhoseiny, Yifan Wang, Mike Roberts,
• Abstract要約: CompoSEは、部品認識制御による3次元形状の合成と編集のための新しい方法である。 本手法は,特定の空間配置に配置された異なる対象部分を表す,粗い幾何学的プリミティブの集合を入力とする。 提案手法は,コンテキスト認識の置換,追加,削除,スタイル保存型リサイズ操作など,強力な部分レベルの編集機能を実現することを実証する。
• 参考スコア（独自算出の注目度）: 41.295018609138566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Creating and editing high-quality 3D content remains a central challenge in computer graphics. We address this challenge by introducing CompoSE, a novel method for Compositional Synthesis and Editing of 3D shapes via part-aware control. Our method takes as input a set of coarse geometric primitives (e.g., bounding boxes) that represent distinct object parts arranged in a particular spatial configuration, and synthesizes as output part-separated 3D objects that support localized granular (i.e., compositional) editing of individual parts. The key insight that enables our method is our use of a diffusion transformer architecture that alternates between processing each part locally and aggregating contextual information across parts globally, and features a novel conditioning technique that ensures strong adherence to the user's input. Importantly, our method learns to infer part semantics and symmetries directly from the user's coarse layout guidance, and does not require part-level text prompts. We demonstrate that our method enables powerful part-level editing capabilities, including context-aware substitution, addition, deletion, and style-preserving resizing operations. We show through extensive experiments that our method significantly outperforms existing approaches on guided synthesis, as measured by objective metrics and LLM-based evaluations.
• Abstract（参考訳）: 高品質な3Dコンテンツの作成と編集は、コンピュータグラフィックスにおいて依然として中心的な課題である。 パートアウェア制御による3次元形状の合成と編集のための新しい手法であるCompoSEを導入することで、この問題に対処する。 本手法は,特定の空間配置に配置された異なる対象部分を表す粗い幾何学的プリミティブ(例えば境界ボックス)の集合を入力とし,各部分の局所的な粒度(合成)編集をサポートする出力部分分離3Dオブジェクトとして合成する。 提案手法を実現するための重要な洞察は,各部分の処理を局所的に交互に行い,各部分のコンテキスト情報をグローバルに集約する拡散トランスフォーマーアーキテクチャの利用であり,ユーザの入力に強く依存する新しい条件付け技術が特徴である。 重要なことは、ユーザの粗いレイアウトガイダンスから直接部分意味論や対称性を推測し、部分レベルのテキストプロンプトを必要としないことである。 提案手法は,コンテキスト認識の置換,追加,削除,スタイル保存型リサイズ操作など,強力な部分レベルの編集機能を実現することを実証する。 提案手法は, 客観評価とLCMに基づく評価により, 既存のガイド合成手法よりも優れていることを示す。

関連論文リスト

• CEI-3D: Collaborative Explicit-Implicit 3D Reconstruction for Realistic and Fine-Grained Object Editing [51.73433734209541]
  既存の3D編集手法は、再構成ネットワークの深い統合性のために、非現実的で未精細な結果をもたらすことが多い。 本稿では,現実的できめ細かな編集を容易にするための,編集指向の再構築パイプラインであるCEI-3Dを紹介する。 提案手法は,最新技術(SOTA)手法よりも,よりリアルできめ細かな編集結果を実現すると同時に,編集時間を短縮する。
  論文  参考訳（メタデータ） (2026-03-12T11:15:11Z)
• OmniPart: Part-Aware 3D Generation with Semantic Decoupling and Structural Cohesion [31.767548415448957]
  我々は,パートアウェアな3Dオブジェクト生成のための新しいフレームワークであるOmniPartを紹介する。 提案手法は,ユーザ定義部分の粒度,高精度なローカライゼーションをサポートし,多様な下流アプリケーションを実現する。
  論文  参考訳（メタデータ） (2025-07-08T16:46:15Z)
• Segment Any 3D-Part in a Scene from a Sentence [50.46950922754459]
  本稿では,自然言語記述に基づくシーン内の任意の3次元部分のセグメンテーションを実現することを目的とする。 本稿では,高密度部分アノテーションを用いた最初の大規模3Dデータセットである3D-PUデータセットを紹介する。 手法面では,パートレベルセグメンテーションの課題に対処する3DインプットのみのフレームワークであるOpenPart3Dを提案する。
  論文  参考訳（メタデータ） (2025-06-24T05:51:22Z)
• IAAO: Interactive Affordance Learning for Articulated Objects in 3D Environments [56.85804719947]
  IAAOは知的エージェントのための明示的な3Dモデルを構築するフレームワークで,対話を通して環境内の明瞭な物体の理解を得る。 マスク特徴とビュー一貫性ラベルを多視点画像から抽出し,まず3次元ガウススティング(3DGS)を用いて各オブジェクト状態の階層的特徴とラベルフィールドを構築する。 次に、3Dガウスプリミティブ上でオブジェクトと部分レベルのクエリを実行し、静的および明瞭な要素を識別し、大域的な変換と局所的な調音パラメータをアベイランスとともに推定する。
  論文  参考訳（メタデータ） (2025-04-09T12:36:48Z)
• CNS-Edit: 3D Shape Editing via Coupled Neural Shape Optimization [56.47175002368553]
  本稿では、3次元形状編集を潜在空間で暗黙的に行うために,結合表現とニューラルボリューム最適化に基づく新しい手法を提案する。 まず,3次元形状編集を支援する結合型ニューラル形状表現を設計する。 第二に、結合したニューラルネットワークの形状最適化手順を定式化し、編集操作対象の2つの結合した成分を協調最適化する。
  論文  参考訳（メタデータ） (2024-02-04T01:52:56Z)
• SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
  入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。 具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。 本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
  論文  参考訳（メタデータ） (2020-10-22T07:15:23Z)
• COALESCE: Component Assembly by Learning to Synthesize Connections [45.120186220205994]
  コンポーネントベースの形状組み立てのための最初のデータ駆動型フレームワークであるCOALESCEを紹介する。 データから学習したジョイント合成のステップを使用して、ギャップを埋めて、自然で可塑性な部分のジョイントに到達します。 提案手法は, 3次元形状合成のためのベースライン深部モデルを含む従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-05T05:12:06Z)

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。