論文の概要: ISAP-3D: Identity-Slot Aligned Part-Aware 3D Generation
- arxiv url: http://arxiv.org/abs/2606.12099v1
- Date: Wed, 10 Jun 2026 13:54:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.492965
- Title: ISAP-3D: Identity-Slot Aligned Part-Aware 3D Generation
- Title（参考訳）: ISAP-3D:IDスロット対応部品対応3Dジェネレーション
- Authors: Junlin Hao, Haoshuai Fu, Xibin Song, Wei Li, Ruigang Yang, Xinggong Zhang, Jinchuan Zhang,
- Abstract要約: 部分認識3D生成は、アイデンティティの絡み合いによってしばしば構造的曖昧さに悩まされる。
本稿では,各部分にセマンティックIDトークンを固定し,ID条件のワンツーワンレイアウト予測を行うISAP-3Dを提案する。
また、学習可能で一貫したID-スロットアライメントを可能にするために、統合されたセマンティックプロトコルを備えた部分レベルのデータセットを構築した。
- 参考スコア（独自算出の注目度）: 20.563630682614704
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Part-aware 3D generation aims to synthesize structured objects with semantically meaningful components, yet often suffers from structural ambiguity due to identity-layout entanglement. Existing methods either infer part identity and spatial layout implicitly, which can lead to unstable part allocation (e.g., slot swapping or part merging), or rely on strong layout conditions that are difficult to obtain in practice. We attribute this ambiguity to identity-slot permutation freedom: without explicit identity-slot alignment, the correspondence between semantic parts and generation slots is not identifiable during training, allowing multiple slot assignments to fit the same supervision and leading to inconsistent decomposition. Based on this insight, we argue that stable part-aware generation requires identity-aligned one-to-one slot modelling. We therefore propose an identity-slot aligned framework, ISAP-3D, which anchors each part with semantic identity tokens and performs identity-conditioned one-to-one layout prediction, followed by layout-conditioned geometry synthesis. Structured local-global conditioning maintains identity alignment across semantic, spatial, and geometric stages. We also construct a part-level dataset with a unified semantic protocol to enable learnable and consistent identity-slot alignment. Extensive experiments demonstrate improved structural stability, controllability, and robustness over state-of-the-art part-aware generation baselines.
- Abstract（参考訳）: パートアウェアな3D生成は、意味的に意味のあるコンポーネントを持つ構造化オブジェクトを合成することを目的としているが、IDレイアウトの絡み合いによる構造的あいまいさに悩まされることが多い。
既存の手法では、パーシャルアイデンティティと空間的レイアウトを暗黙的に推測し、不安定な部分割り当て(例えば、スロットスワップや部分マージ)につながる可能性がある。
明示的なアイデンティティスロットアライメントがなければ、セマンティック部分と生成スロットの対応はトレーニング中に識別できず、複数のスロット割り当てが同じ監督に適合し、一貫性のない分解につながる。
この知見に基づき、安定な部分認識生成には識別整合1対1スロットモデリングが必要であると論じる。
そこで本研究では,各部分にセマンティックIDトークンを固定し,ID条件付き1対1レイアウト予測を行い,次いでレイアウト条件付き幾何合成を行うIDスロットアライメントフレームワークISAP-3Dを提案する。
構造的局所的条件付けは、意味的、空間的、幾何学的な段階をまたいだアイデンティティアライメントを維持する。
また、学習可能で一貫したID-スロットアライメントを可能にするために、統合されたセマンティックプロトコルによる部分レベルのデータセットを構築した。
広範囲な実験により、最先端のパート・アウェア生成ベースラインに対する構造安定性、制御性、堅牢性が改善された。
関連論文リスト
- Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure [55.17771962316751]
現在の3Dトークンは、表現を空間圧縮として扱うが、コンポーネントの所有権とアタッチメントの妥当性は暗黙的に残す。
我々は、トークン化がパッシブ圧縮コードではなく操作状態を構成する、インターフェイス中心の生成状態という別の視点を定式化する。
我々は、この定式化を、C2LT-3D(Component-Conditioned Canonical Local Tokens)でインスタンス化し、表現を標準局所幾何学、パーティション条件付きコンテキスト、およびリレーショナルシーム変数に分解する。
論文 参考訳（メタデータ） (2026-05-11T12:09:28Z) - SEAL: Semantic-aware Single-image Sticker Personalization with a Large-scale Sticker-tag Dataset [18.101234691975815]
Single-image Sticker persontextbfALization (textbfSEAL) は、プラグイン・アンド・プレイのアーキテクチャに依存しない適応モジュールである。
SEALは,(1)セマンティック誘導空間注意損失,(2)分割マージトークン戦略,(3)構造認識層制限の3つの要素を組み込む。
StickerBenchは6属性スキーマの下で構造化されたタグを持つ、大規模なステッカーイメージデータセットである。
論文 参考訳（メタデータ） (2026-04-29T16:52:41Z) - From Part to Whole: 3D Generative World Model with an Adaptive Structural Hierarchy [37.32082026876477]
本稿では,潜在構造スロットを自律的に発見する新しい3次元生成世界モデルを提案する。
軽量な3D再構成器は、統合拡散目的により幾何学と外観に導入される。
実験は、クロスカテゴリ転送とパート数外挿において一貫した利得を示す。
論文 参考訳（メタデータ） (2026-03-23T04:25:40Z) - LoST: Level of Semantics Tokenization for 3D Shapes [50.847769883816085]
State-of-the-artメソッドは、もともとレンダリングと圧縮のために設計された幾何学的なレベル・オブ・ディテール(LoD)階層に依存している。
本稿では,初期接頭辞が完全かつ可塑性な形状をデコードするように,サリエンスを指示するレベル・オブ・セマンティックス・トークン化(LoST)を提案する。
LoSTはSOTA再構成を実現し、幾何的および意味的再構成のメトリクスにおいて、従来のLoDベースの3次元形状トークン化器を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2026-03-18T17:56:06Z) - AnyCrowd: Instance-Isolated Identity-Pose Binding for Arbitrary Multi-Character Animation [55.94507360511886]
我々は,任意の文字にスケール可能なトランスフォーマーベースのビデオ生成フレームワークであるAnyCrowdを提案する。
具体的には、まず、DiT処理に先立って文字インスタンスを独立してエンコードするIILR(Instance-Isolated Latent Representation)を導入し、遅延IDの絡み込みを防止する。
この不整合表現に基づいて、さらに、(i)インスタンス認識フォアグラウンドアテンション、(ii)背景中心の相互作用、(iii)世界背景調整に自己注意を分解することで、運転ポーズにアイデンティティを結合するトリステージデカップリングアテンション(TSDA)を提案する。
論文 参考訳（メタデータ） (2026-03-16T15:25:04Z) - StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z) - DisCo-Layout: Disentangling and Coordinating Semantic and Physical Refinement in a Multi-Agent Framework for 3D Indoor Layout Synthesis [76.7196710324494]
3次元屋内レイアウト合成は仮想環境構築に不可欠である。
DisCoは、物理的および意味的な洗練を歪め、調整する新しいフレームワークである。
論文 参考訳（メタデータ） (2025-10-02T16:30:37Z) - 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)
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。