論文の概要: DB-3DME: From Dataset to Benchmark for Human-aligned Automatic 3D Mesh Evaluation

• arxiv url: http://arxiv.org/abs/2606.10142v1
• Date: Mon, 08 Jun 2026 20:17:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.180011
• Title: DB-3DME: From Dataset to Benchmark for Human-aligned Automatic 3D Mesh Evaluation
• Title（参考訳）: DB-3DME:人間による3Dメッシュ自動評価のためのデータセットからベンチマークへ
• Authors: Nanshan Jia, Zhenyu Zhao, Sui Huang, Jingshen Wang, Zeyu Zheng,
• Abstract要約: 3Dメッシュ評価のためのデータセットとベンチマークであるDB-3DMEを紹介する。 DB-3DMEは2,619個の合成3Dメッシュと、幾何学とプロンプトの整合性に関する人間の評価を組み合わせている。 オープンウェイトなVLMであるQwen-2.5-VL-7Bを、言語モデルを凍結しながら視覚エンコーダを適応させて3次元メッシュ評価のために微調整する。
• 参考スコア（独自算出の注目度）: 16.60840648468348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in 3D generation have led to substantial improvements in realism, controllability, and efficiency, yet the evaluation of 3D assets remains underexplored. Existing evaluation paradigms, including human evaluation, learned metrics, and vision-language models (VLMs) as judges, suffer from limitations in cost, scalability, resolution handling, or task-specific alignment. In this work, we focus on 3D mesh evaluation and introduce DB-3DME, the Dataset and Benchmark for 3D Mesh Evaluation. DB-3DME contains 2,619 synthetic 3D meshes paired with human ratings on Geometry and Prompt Adherence. Using this dataset, we systematically benchmark state-of-the-art VLMs and identify visual encoding of 3D representations as a key factor for human-aligned evaluation performance. Motivated by this finding, we fine-tune an open-weight VLM, Qwen-2.5-VL-7B, for 3D mesh evaluation by adapting the visual encoder while freezing the language model. The fine-tuned model substantially outperforms existing pre-trained VLMs across multiple evaluation dimensions, establishing a new benchmark for automatic 3D mesh evaluation. We publicly release the benchmark dataset on GitHub and Hugging Face to facilitate future research.
• Abstract（参考訳）: 近年の3D生成の進歩は、リアリズム、制御可能性、効率を大幅に向上させたが、3D資産の評価は未定のままである。 人間の評価、学習メトリクス、視覚言語モデル(VLM)などの既存の評価パラダイムは、コストの制限、スケーラビリティ、解決処理、タスク固有のアライメントに悩まされている。 本稿では,3次元メッシュ評価に焦点をあて,DB-3DME,Dataset and Benchmark for 3D Mesh Evaluationを紹介する。 DB-3DMEは2,619個の合成3Dメッシュと、幾何学とプロンプトの整合性に関する人間の評価を組み合わせている。 このデータセットを用いて、最先端のVLMを体系的にベンチマークし、3D表現の視覚的エンコーディングを人手による評価性能の重要な要素として同定する。 この発見に触発され,言語モデルを凍結しながら視覚エンコーダを適応させて3次元メッシュ評価のために,オープンウェイトVLM,Qwen-2.5-VL-7Bを微調整した。 微調整モデルは、既存のトレーニング済みのVLMを複数の評価次元で大幅に上回り、自動3Dメッシュ評価のための新しいベンチマークを確立する。 GitHubとHugging Faceにベンチマークデータセットを公開して、今後の研究を容易にしています。

関連論文リスト

• 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)
• E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
  3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。 GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。 我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。 すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
  論文  参考訳（メタデータ） (2025-06-02T17:53:09Z)
• Eval3D: Interpretable and Fine-grained Evaluation for 3D Generation [134.53804996949287]
  生成した3D資産の品質を忠実に評価できる細粒度で解釈可能な評価ツールであるEval3Dを紹介する。 我々のキーとなる観察は、意味論や幾何学的整合性といった3D生成の多くの望ましい特性を効果的に捉えられることである。 以前の研究と比較すると、Eval3Dはピクセル単位での測定を行い、正確な3D空間フィードバックを可能にし、人間の判断とより密に一致させる。
  論文  参考訳（メタデータ） (2025-04-25T17:22:05Z)
• From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
  我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。 これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。 本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:50:54Z)

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。