論文の概要: Lighting-Consistent Object Transfer Across Radiance Fields

• arxiv url: http://arxiv.org/abs/2606.22481v1
• Date: Sun, 21 Jun 2026 12:50:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:58:52.421356
• Title: Lighting-Consistent Object Transfer Across Radiance Fields
• Title（参考訳）: 放射場を横断する光に耐性のある物体移動
• Abstract要約: 3D Gaussian Splatting(3DGS)は、実際のシーンをキャプチャしてレンダリングするために広く使われている。 不整合照明による鼻合成画像の調和を図った拡散モデルを提案する。 提案手法は,3DGS間のオブジェクト転送を容易に行えるように,視覚的に魅力的な結果を提供する。
• 参考スコア（独自算出の注目度）: 8.199509508364383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) is widely used to capture and render real scenes. Compositing objects from one capture into another has applications in many domains, such as VFX, architecture and interior design, or marketing. However, extracting an object from a source scene and naively pasting it into a target scene will fail to produce realistic results due to the different lighting conditions between the two scenes. To address this problem, we introduce a diffusion model that harmonizes naively composited images with inconsistent lighting. The model is trained with a heterogeneous dataset of image pairs (inconsistent composite input, consistent output), combining synthetic, generated, and real data. Our complete 3D solution allows a user to extract an object from the source scene and composite it into the target scene. From this, the (inconsistent) views of the target scene with the composite object are rendered. Our diffusion model harmonizes each one of these views, which are finally consolidated in a 3DGS representation with a post-optimization step. Our method provides visually compelling results, making object transfer between 3DGS easy to use and significantly improving quality compared to previous methods.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は、実際のシーンをキャプチャしてレンダリングするために広く使われている。 あるキャプチャーから別のキャプチャーにオブジェクトを構成することは、VFX、アーキテクチャやインテリアデザイン、マーケティングなど、多くの領域で応用されている。 しかし、2つのシーンの照明条件が異なるため、対象シーンから被写体を抽出し、ターゲットシーンに鼻で貼り付けると現実的な結果が得られない。 この問題に対処するため, ノイズ合成画像と不整合光を調和させる拡散モデルを提案する。 このモデルは、画像ペアの異種データセット(一貫性のない合成入力、一貫性のある出力)で訓練され、合成、生成、および実データを組み合わせた。 我々の完全な3Dソリューションは、ユーザーがソースシーンからオブジェクトを抽出し、ターゲットシーンに合成することを可能にする。 ここから、対象シーンと合成オブジェクトとの(一貫性のない)ビューを描画する。 我々の拡散モデルはこれらのビューのそれぞれを調和させ、最終的に3DGS表現とポスト最適化ステップで統合する。 提案手法は,3DGS間のオブジェクト転送を容易にし,従来の手法に比べて精度を著しく向上させる。

関連論文リスト

• BlendFusion -- Scalable Synthetic Data Generation for Diffusion Model Training [0.07419401583272026]
  経路トレースを用いた3次元シーンからの合成データ生成フレームワークであるBlendFusionを提案する。 パイプラインには、オブジェクト中心のカメラ配置戦略、堅牢なフィルタリング機構、自動キャプションが組み込まれている。 多様な3Dシーンから構築した画像キャプチャーデータセットであるFineBLENDの質を実証的に分析する。
  論文  参考訳（メタデータ） (2026-04-10T06:36:38Z)
• ComGS: Efficient 3D Object-Scene Composition via Surface Octahedral Probes [46.83857963152283]
  Gaussian Splatting (GS)は没入型レンダリングを可能にするが、現実的な3Dオブジェクトシーンの合成は難しいままである。 我々は,新しい3Dオブジェクトシーン合成フレームワークであるComGSを提案する。 提案手法は,28FPS程度の高画質リアルタイムレンダリングを実現し,鮮明な影で視覚的に調和し,編集に36秒しか必要としない。
  論文  参考訳（メタデータ） (2025-10-09T03:10:41Z)
• MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation [19.46962637673285]
  MV-CoLightは2Dおよび3Dシーンで合成される照度一貫性のあるオブジェクトのためのフレームワークである。 2次元画像入力と3次元ガウスシーン表現をシームレスに整列するために、ヒルベルト曲線に基づく写像を用いる。 実験では、標準ベンチマークとデータセット間で、最先端の調和した結果を実証した。
  論文  参考訳（メタデータ） (2025-05-27T17:53:02Z)
• TranSplat: Lighting-Consistent Cross-Scene Object Transfer with 3D Gaussian Splatting [18.51049292733173]
  TranSplatはリアルなクロスシーンオブジェクト転送を可能にする3Dシーンレンダリングアルゴリズムである。 提案手法は,(1)ソースシーンからの正確な3次元オブジェクト抽出,(2)ターゲットシーンにおける移動物体の忠実なリライティングという2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-28T17:59:43Z)
• D3DR: Lighting-Aware Object Insertion in Gaussian Splatting [48.80431740983095]
  D3DRと呼ばれる3DGS並列化オブジェクトを3DGSシーンに挿入する手法を提案する。 我々は、現実世界のデータに基づいて訓練された拡散モデルの進歩を活用し、正しいシーンライティングを暗黙的に理解する。 提案手法を既存手法と比較することにより,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-09T19:48:00Z)
• MegaScenes: Scene-Level View Synthesis at Scale [69.21293001231993]
  NVS (Scene-level novel view synthesis) は多くの視覚やグラフィックスの応用に基礎を置いている。 MegaScenesと呼ばれるインターネット写真コレクションから大規模なシーンレベルのデータセットを作成し、世界中の動き(SfM)から100K以上の構造を復元する。 我々は、最先端NVS手法の故障事例を分析し、生成一貫性を大幅に改善する。
  論文  参考訳（メタデータ） (2024-06-17T17:55:55Z)
• Disentangled 3D Scene Generation with Layout Learning [109.03233745767062]
  本稿では,コンポーネントオブジェクトに絡み合った3Dシーンを生成する手法を提案する。 私たちの重要な洞察は、オブジェクトは空間的に再構成された場合、同じシーンの有効な構成を生成する3Dシーンの一部を見つけることで発見できるということです。 単純さにもかかわらず、我々のアプローチは個々のオブジェクトに3Dシーンを生成することに成功している。
  論文  参考訳（メタデータ） (2024-02-26T18:54:15Z)
• SceneWiz3D: Towards Text-guided 3D Scene Composition [134.71933134180782]
  既存のアプローチでは、大規模なテキスト・ツー・イメージモデルを使用して3D表現を最適化するか、オブジェクト中心のデータセット上で3Dジェネレータをトレーニングする。 テキストから高忠実度3Dシーンを合成する新しい手法であるSceneWiz3Dを紹介する。
  論文  参考訳（メタデータ） (2023-12-13T18:59:30Z)
• HoloFusion: Towards Photo-realistic 3D Generative Modeling [77.03830223281787]
  拡散に基づく画像生成装置は、高品質で多様なサンプルを作成できるようになったが、その成功はまだ3D生成に完全に変換されていない。 提案するHoloFusionは,高忠実度,高可塑性,多種多様な3Dサンプルを作成するために,これらのアプローチを最大限に組み合わせた手法である。
  論文  参考訳（メタデータ） (2023-08-28T01:19:33Z)
• CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion [83.30168660888913]
  シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。 パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。 生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
  論文  参考訳（メタデータ） (2023-05-25T17:39:13Z)
• DisCoScene: Spatially Disentangled Generative Radiance Fields for Controllable 3D-aware Scene Synthesis [90.32352050266104]
  DisCoSceneは高品質で制御可能なシーン合成のための3Daware生成モデルである。 グローバルな局所的差別を伴う2次元画像のみを学習することで、シーン全体をオブジェクト中心の生成フィールドに分解する。 挑戦的な屋外データセットを含む多くのシーンデータセットで最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-12-22T18:59:59Z)

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。