論文の概要: Recent Advances and Trends in Learning-based 3D Representations

• arxiv url: http://arxiv.org/abs/2606.04871v1
• Date: Wed, 03 Jun 2026 13:35:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 07:07:40.506429
• Title: Recent Advances and Trends in Learning-based 3D Representations
• Title（参考訳）: 学習型3次元表現の最近の進歩と動向
• Abstract要約: 適切な3D表現の選択は、3D再構成、新しいビュー合成とレンダリング、形状と動きの分析、認識、生成といったタスクにおける現代のコンピュータビジョンとグラフィックパイプラインの効率、品質、能力を決定する。 最近のニューラルおよびプリミティブベースの表現は、ゲーム、AR/VR、自律運転、ロボットナビゲーション、医療画像など、幅広いアプリケーションにおいて、コンパクトで差別化可能な代替手段を提供する。 各種類の表現に対して、一般的な定式化とその変種を提示し、その利点と限界について議論し、主要なアプリケーションを強調します。
• 参考スコア（独自算出の注目度）: 6.265283624249999
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The selection of an appropriate 3D representation is a fundamental design decision that dictates the efficiency, quality, and capabilities of modern computer vision and graphics pipelines for tasks such as 3D reconstruction, novel-view synthesis and rendering, shape and motion analysis, recognition, and generation. While traditional representations (\eg meshes, point clouds, and volumetric grids) remain standard outputs of 3D sensors (\eg LiDAR and 3D scanners) and are widely used in downstream applications (\eg editing and simulation), recent neural and primitive-based representations (\eg 3D Gaussian Splatting) offer compact and differentiable alternatives opening a wide range of opportunities in applications such as games, AR/VR, autonomous driving, robot navigation, and medical imaging, to name a few. The goal of this paper is to survey the main families of 3D representations from discrete explicit formats to continuous implicit fields based either on neural rendering or primitive splatting. For each type of representation, we present the general formulation and its variants, discuss its benefits and limitations, and highlight key applications. We conclude the paper by outlining the open challenges and potential directions for future research. Distinct from recent surveys that broadly cover 3D object and scene reconstruction, this paper provides a focused analysis on the evolution of 3D representations themselves. We specifically emphasize the paradigm shift toward implicit representations, offering a novel perspective on how these emerging formats fundamentally alter 3D/4D workflows.
• Abstract（参考訳）: 適切な3D表現の選択は、3D再構成、新規ビュー合成とレンダリング、形状と動きの分析、認識、生成といったタスクに対する現代のコンピュータビジョンとグラフィックパイプラインの効率、品質、能力を決定する基本的な設計決定である。 従来の表現(メッシュ、ポイントクラウド、ボリュームグリッド)は3Dセンサーの標準出力のままで、下流のアプリケーションで広く使われている(編集とシミュレーション)が、最近のニューラルおよびプリミティブベースの表現(ガウススティング)は、ゲーム、AR/VR、自律走行、ロボットナビゲーション、医療画像などのアプリケーションで幅広い機会を開放する、コンパクトで微分可能な代替手段を提供する。 本研究の目的は、離散的な明示的なフォーマットから、ニューラルレンダリングやプリミティブスプラッティングに基づく連続的な暗黙的なフィールドへの3D表現のメインファミリーを調査することである。 各種類の表現に対して、一般的な定式化とその変種を提示し、その利点と限界について議論し、主要なアプリケーションを強調します。 今後の研究に向けたオープンな課題と潜在的な方向性を概説することで、論文を締めくくります。 本稿では,3次元オブジェクトとシーン再構成を広範囲にカバーする最近の調査から,3次元表現自体の進化について,焦点を絞った分析を行った。 具体的には、暗黙の表現へのパラダイムシフトを強調し、これらの新たなフォーマットが3D/4Dワークフローを根本的に変える方法について、新たな視点を提供する。

関連論文リスト

• Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective [91.23306722968509]
  汎用的なフィードフォワード3D再構築は近年急速に進展している。 既存のフィードフォワードアプローチも同様に高いレベルのアーキテクチャパターンを共有している。 本稿では,出力形式に依存しないモデル設計戦略を中心とした新しい分類法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T16:07:18Z)
• What Is The Best 3D Scene Representation for Robotics? From Geometric to Foundation Models [68.35971238810863]
  現在のSLAMとローカライゼーションシステムは、点雲やボクセルのようなスパース表現に依存している。 NeRF、3DGS、ファンデーションモデルは、ハイレベルなセマンティック機能と言語ベースの先行機能を統合するのに適している。
  論文  参考訳（メタデータ） (2025-12-03T03:57:01Z)
• Advances in Feed-Forward 3D Reconstruction and View Synthesis: A Survey [171.72616707259306]
  3D再構成とビュー合成は、拡張現実(AR)、仮想現実(VR)、デジタルツインといった没入型技術における基礎的な問題である。 深層学習によるフィードフォワードアプローチの最近の進歩は、高速で一般化可能な3次元再構成とビュー合成を可能にして、この分野に革命をもたらした。
  論文  参考訳（メタデータ） (2025-07-19T06:13:25Z)
• End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards [8.953379216683732]
  本稿では,人間のフィードバックを3次元テクスチャパイプラインに直接埋め込む,エンドツーエンドの微分可能・強化学習不要なフレームワークを提案する。 幾何学的および外見的モジュールによる好み信号のバックプロパゲーションにより、3次元幾何学的構造を尊重し、所望の基準と整合するテクスチャを生成する。
  論文  参考訳（メタデータ） (2025-06-23T06:24:12Z)
• 3D Representation Methods: A Survey [0.0]
  3D表現は、様々なアプリケーションにおける高忠実度3Dモデルの需要の増加によって、大きな進歩を遂げてきた。 本稿では,3次元表現法の開発と現状を概観し,研究の軌跡,革新,強度,弱さを概観する。
  論文  参考訳（メタデータ） (2024-10-09T02:01:05Z)
• Diffusion Models in 3D Vision: A Survey [18.805222552728225]
  3Dビジョンはコンピュータビジョンにおいて重要な分野となり、自律運転、ロボット工学、拡張現実、医療画像などの幅広い応用に力を入れている。 本稿では,3次元オブジェクト生成,形状完備化,点雲再構成,シーン構築など,三次元視覚タスクに拡散モデルを用いる最先端の手法について概説する。 計算効率の向上,マルチモーダル融合の強化,大規模事前学習による3次元タスクの一般化の促進など,潜在的なソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-10-07T04:12:23Z)
• A Survey on 3D Gaussian Splatting [61.50539646390613]
  3次元ガウススプラッティング (GS) は放射場における変換技術として出現している。 本稿では,3D GSの最近の発展と重要な貢献について,初めて体系的に概説する。 前例のないレンダリング速度を実現することで、3D GSは、仮想現実からインタラクティブメディアなど、数多くのアプリケーションを開くことができる。
  論文  参考訳（メタデータ） (2024-01-08T13:42:59Z)
• Deep Generative Models on 3D Representations: A Survey [81.73385191402419]
  生成モデルは、新しいインスタンスを生成することによって観測データの分布を学習することを目的としている。 最近、研究者は焦点を2Dから3Dにシフトし始めた。 3Dデータの表現は、非常に大きな課題をもたらします。
  論文  参考訳（メタデータ） (2022-10-27T17:59:50Z)
• Uncertainty Guided Policy for Active Robotic 3D Reconstruction using Neural Radiance Fields [82.21033337949757]
  本稿では,物体の暗黙のニューラル表現の各光線に沿ったカラーサンプルの重量分布のエントロピーを計算した線量不確実性推定器を提案する。 提案した推定器を用いた新しい視点から, 基礎となる3次元形状の不確かさを推測することが可能であることを示す。 ニューラルラディアンス場に基づく表現における線量不確実性によって導かれる次ベクター選択ポリシーを提案する。
  論文  参考訳（メタデータ） (2022-09-17T21:28:57Z)

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。