論文の概要: Benchmarking Single-Step Inpainting Methods for Multi-Object 3D Gaussian Splatting Scenes

• arxiv url: http://arxiv.org/abs/2605.30987v1
• Date: Fri, 29 May 2026 08:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.469019
• Title: Benchmarking Single-Step Inpainting Methods for Multi-Object 3D Gaussian Splatting Scenes
• Title（参考訳）: マルチオブジェクト・ガウス・スプレイティングシーンにおけるシングルステップ・インペインティング手法のベンチマーク
• Abstract要約: 再構成に基づくインペーターは3次元整合性における生成拡散モデルより優れる。 最先端の2Dインパタイトを用いて, 3Dセッティングにおいて, 被写体除去の重要性を浮き彫りにするために, 簡単なベースラインを作成する。
• 参考スコア（独自算出の注目度）: 43.95837214164744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The tasks of object removal and inpainting 3D Gaussian Splatting (3DGS) scenes face challenges such as 3D consistency across camera views. In comparing 2D inpainters and their suitability for the 3D domain, we find that reconstruction-based inpainters outperform generative diffusion models in 3D consistency. Integrating these 2D inpainters into different single-step methods for creating and finetuning 3DGS scenes, our results indicate that initializing the scene from scratch produces higher quality results than finetuning the existing scene. Using a state-of-the-art generative 2D inpainter, we create a straightforward baseline to underline the importance of object removal before inpainting in the 3D setting. Since 360° datasets rarely include real-world ground truths, and challenging occlusion scenarios are equally sparse, we introduce a novel multi-object scene with recorded ground truth data and many views with object occlusions.
• Abstract（参考訳）: オブジェクトの除去と3Dガウススプレイティング(3DGS)の作業は、カメラビュー間の3D一貫性のような課題に直面している。 3次元領域における2次元インペインターとそれらの適合性を比較すると、再構成に基づくインペインターは3次元整合性において生成拡散モデルより優れていることが分かる。 これらの2Dインペインターを3DGSシーンの作成と微調整のための1ステップの異なる手法に統合することにより,スクラッチからシーンを初期化することで,既存のシーンを微調整するよりも高品質な結果が得られることを示す。 最先端の2Dインパタイトを用いて, 3Dセッティングにおいて, 被写体除去の重要性を浮き彫りにするために, 簡単なベースラインを作成する。 360°データセットは、実世界の真実をほとんど含まないため、挑戦的なオクルージョンシナリオは等しく疎外であるため、記録された地上真実データと、オブジェクトのオクルージョンを含む多くのビューを持つ、新しいマルチオブジェクトシーンを導入する。

関連論文リスト

• CoIn: Comprehensive 2D-3D Inpainting with Gaussian Splatting Guidance [33.42204651464501]
  CoInは、2Dインペイントモデルと3DGSをマルチステージの一貫性パイプラインを通じてブリッジするフレームワークである。 参照ビュー(2D ->3D)に適応的に重み付けすることで、粗い3Dシーンを再構成するための特徴注意付き参照適応GSを導入する。 最後に、テクスチュア・エンハンシング・ディスクリミネータは高光度リアリズムを実現するために3Dシーンを洗練する(2D ->3D)。
  論文  参考訳（メタデータ） (2026-06-25T22:24:27Z)
• ObjFiller-3D: Consistent Multi-view 3D Inpainting via Video Diffusion Models [76.80262068405243]
  3Dインパインティングは、しばしばマルチビュー2Dイメージのインパインティングに依存し、固有の不整合は、ぼやけたテクスチャ、空間的な不連続、視覚的アーティファクトを逸脱させる。 高品質で一貫した3Dオブジェクトを補完・編集するための新しい手法であるFiller-3Dを提案する。 映像と3Dの表現ギャップを解析し,映像のインパインティングモデルによる3Dシーンのインパインティングの適応を提案する。
  論文  参考訳（メタデータ） (2025-08-25T17:59:40Z)
• 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)
• 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)
• 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)
• NeRFiller: Completing Scenes via Generative 3D Inpainting [113.18181179986172]
  生成3Dインパインティングによる3Dキャプチャの欠落部分を解消する手法であるNeRFillerを提案する。 関連する作品とは対照的に、前景のオブジェクトを削除するのではなく、シーンの完成に重点を置いている。
  論文  参考訳（メタデータ） (2023-12-07T18:59:41Z)
• 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)
• SPIn-NeRF: Multiview Segmentation and Perceptual Inpainting with Neural Radiance Fields [26.296017756560467]
  3Dでは、解は複数のビューで一貫し、幾何学的に有効でなければならない。 本稿では,これらの課題に対処する新しい3Dインペイント手法を提案する。 我々はまず,NeRF法と2次元セグメンテーション法と比較して,マルチビューセグメンテーションにおけるアプローチの優位性を実証する。
  論文  参考訳（メタデータ） (2022-11-22T13:14:50Z)

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。