論文の概要: OrbitForge: Text-to-3D Scene Generation via Reconstruction-Anchored Video Synthesis

• arxiv url: http://arxiv.org/abs/2606.24799v1
• Date: Tue, 23 Jun 2026 16:50:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:49.096312
• Title: OrbitForge: Text-to-3D Scene Generation via Reconstruction-Anchored Video Synthesis
• Title（参考訳）: OrbitForge:再構成ビデオ合成によるテキストから3Dのシーン生成
• Authors: Chenrui Fan, Paolo Favaro,
• Abstract要約: ジェネリックテキスト・トゥ・ビデオモデルは、リッチなオープンワールドシーンとして使用できる。 フリーズビデオプリエントから構築されたアダプタであるOrbitForgeを紹介します。 単一のテキスト生成ビデオから、標準的なクローズド・オービットな3Dガウス・スプレイティングシーンに変換する。
• 参考スコア（独自算出の注目度）: 23.56618120729796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generic text-to-video models can be used as rich open-world scene priors. Despite the high quality of today's generated videos, they do not directly yield reliable 3D assets: camera motion is difficult to control, view coverage is partial, and frames often contain inconsistencies across time. We introduce OrbitForge, an adapter built from frozen video priors and per-prompt Gaussian Splatting reconstruction optimization that converts a single text-generated video into a canonical closed-orbit 3D Gaussian Splatting scene. We use 3D reconstruction as an anchor to improve the 3D consistency of the generated video. We obtain a preliminary 3D reconstruction from a first generated video via Deformable Gaussian Splatting with a robust MedianGS proxy. We render views from a prescribed orbit to detect missing viewpoints. OrbitForge uses the text-to-video model to complete only the missing views, and reconstructs the completed orbit into a final Gaussian Splatting scene. This design requires no task-specific video or multiview fine-tuning, avoids per-prompt score-distillation optimization, and does not progressively generate views one step at a time. We further argue that this setting demands coverage-aware evaluation: local smoothness alone rewards methods that never attempt a full orbit. On a frozen 300-prompt T3Bench-derived audit, OrbitForge reconstruction attains a 359.0-degree measured median span, raises originally unsupported-bin Q10 ImageReward from 8.07 to 16.36 relative to MedianGS-only reconstruction, while remaining competitive with VideoMV on the coverage-quality.
• Abstract（参考訳）: ジェネリックテキスト・トゥ・ビデオモデルは、リッチなオープンワールドシーンとして使用できる。 カメラモーションは制御が困難で、視野は部分的であり、フレームは時間とともに不整合を含むことが多い。 フリーズビデオプリエントとプロンプト・ガウス・スプレイティング・リコンストラクションの最適化によって構築されたOrbitForgeは、単一のテキスト生成ビデオから標準的なクローズド・オービット・ガウス・スプレイティングシーンに変換する。 生成した映像の3次元整合性を改善するために, アンカーとして3次元再構成を用いる。 高速なMedianGSプロキシを用いたDeformable Gaussian Splattingを用いて,第1生成ビデオから予備的な3D再構成を行う。 所定の軌道からのビューを描画して、行方不明な視点を検出する。 OrbitForgeはテキスト・ツー・ビデオ・モデルを使用して、行方不明のビューのみを完了し、完了した軌道を最終的なガウス・スプラッティングのシーンに再構築する。 この設計では、タスク固有のビデオやマルチビューの微調整は必要とせず、プロンプト毎のスコア-蒸留最適化を回避し、一度にビューを段階的に生成しない。 局所的な滑らかさだけは、完全な軌道を決して試みない手法に報酬を与える。 凍結した300プロンプトのT3Bench由来の監査では、OrbitForgeは359.0度の中央値の範囲を獲得し、もともとサポートされていないQ10イメージリワードを、MedianGSのみのリビルドと比較して8.07から16.36に引き上げる一方で、ビデオMVとカバー品質の競争力を維持している。

関連論文リスト

• Rein3D: Reinforced 3D Indoor Scene Generation with Panoramic Video Diffusion Models [38.45163624089566]
  Rein3Dは、完全な360度屋内環境を再構築するフレームワークである。 我々は不完全なパノラマ動画のレンダリングに放射状探査戦略を採用している。 これらの配列はパノラマビデオ・ビデオ拡散モデルにより復元され、高忠実度幾何やテクスチャを合成するためにビデオ超解像によりさらに拡張される。
  論文  参考訳（メタデータ） (2026-04-12T10:55:14Z)
• VideoLifter: Lifting Videos to 3D with Fast Hierarchical Stereo Alignment [54.66217340264935]
  VideoLifterは、ローカルからグローバルへの戦略を断片的に活用する、新しいビデオから3Dパイプラインである。 再建プロセスを大幅に加速し、訓練時間を82%以上削減し、現在のSOTA法よりも視覚的品質を向上した。
  論文  参考訳（メタデータ） (2025-01-03T18:52:36Z)
• ReconX: Reconstruct Any Scene from Sparse Views with Video Diffusion Model [16.14713604672497]
  ReconXは、時間生成タスクとして曖昧な再構築課題を再編成する、新しい3Dシーン再構築パラダイムである。 提案したReconXはまずグローバルポイントクラウドを構築し、3D構造条件としてコンテキスト空間にエンコードする。 この条件に導かれ、ビデオ拡散モデルは、ディテール保存され、高い3D一貫性を示すビデオフレームを合成する。
  論文  参考訳（メタデータ） (2024-08-29T17:59:40Z)
• Enhancing Temporal Consistency in Video Editing by Reconstructing Videos with 3D Gaussian Splatting [94.84688557937123]
  Video-3DGSは、ゼロショットビデオエディタの時間的一貫性を高めるために設計された3Dガウススプラッティング(3DGS)ベースのビデオ精細機である。 本手法は動的モノクロビデオの編集に適した2段階の3次元ガウス最適化プロセスを利用する。 58の動的モノクロビデオ間の時間的一貫性を確保することで、ビデオ編集を強化する。
  論文  参考訳（メタデータ） (2024-06-04T17:57:37Z)

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。