論文の概要: AC3S: Adaptive Conditioning for 3D-Aware Synthetic Data Generation

• arxiv url: http://arxiv.org/abs/2606.31204v1
• Date: Tue, 30 Jun 2026 06:33:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.104336
• Title: AC3S: Adaptive Conditioning for 3D-Aware Synthetic Data Generation
• Title（参考訳）: AC3S:3D対応合成データ生成のための適応条件付け
• Abstract要約: 適応条件付けにより光リアリズムを保ちながら3次元構造アライメントを強制する拡散型画像生成フレームワークを提案する。 筆者らのフレームワークであるAC3S(Adaptive Conditioning for 3D-Aware Synthetic Data Generation)は、制御ネット条件の強度を動的に調整する自己教師付き視覚プロンプト変調器を導入している。 多様性とセマンティック一貫性をさらに高めるため,我々は,基礎となる幾何学的構造に整合した細部および3D認識プロンプトを構成するマルチエージェント視覚言語モデルフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 25.402997622384973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic data generation has emerged as a powerful tool for improving data scalability in computer vision. Recent diffusion-based pipelines have demonstrated strong photorealism. However, how to enforce precise 3D structure and pose consistency in generated images remains challenging. Existing methods leverage visual prompts such as edge maps to guide diffusion models, but often suffer from over-conditioning artifacts that degrade image realism and limit dataset quality. In this paper, we present a diffusion-based image generation framework that enforces 3D structural alignment while preserving photorealism through adaptive conditioning. Our framework, Adaptive Conditioning for 3D-Aware Synthetic Data Generation (AC3S), introduces a self-supervised visual prompt modulator that dynamically adjusts the strength of ControlNet conditioning, preventing over-conditioning and enabling the diffusion model to retain its generative expressiveness. To further enhance diversity and semantic consistency, we develop a multi-agent vision language model framework that composes detailed and 3D-aware prompts aligned with the underlying geometric structure. Together, these components enable the scalable generation of high-quality synthetic datasets with accurate 2D and 3D annotations. Extensive experiments demonstrate that our method significantly improves image quality and downstream utility.
• Abstract（参考訳）: 合成データ生成は、コンピュータビジョンにおけるデータのスケーラビリティを改善する強力なツールとして登場した。 近年の拡散型パイプラインは強い光リアリズムを示している。 しかし、どのように正確な3D構造を強制し、生成した画像に一貫性を持たせるかは、いまだに難しい。 既存の手法では、エッジマップのような視覚的プロンプトを利用して拡散モデルを誘導するが、多くの場合、画像リアリズムを低下させデータセットの品質を制限する過条件のアーティファクトに悩まされる。 本稿では,適応条件付けによる光リアリズムを保ちながら3次元構造アライメントを強制する拡散型画像生成フレームワークを提案する。 筆者らのフレームワークであるAC3S(Adaptive Conditioning for 3D-Aware Synthetic Data Generation)では,制御ネット条件の強度を動的に調整し,過条件化を防止し,拡散モデルを生成表現性を維持する自己教師付き視覚プロンプト変調器を導入している。 多様性とセマンティック一貫性をさらに高めるため,我々は,基礎となる幾何学的構造に整合した細部および3D認識プロンプトを構成するマルチエージェント視覚言語モデルフレームワークを開発した。 これらのコンポーネントを組み合わせることで、正確な2Dおよび3Dアノテーションを備えた高品質な合成データセットをスケーラブルに生成することができる。 大規模な実験により,本手法は画像品質と下流ユーティリティを著しく向上させることが示された。

関連論文リスト

• Photo3D: Advancing Photorealistic 3D Generation through Structure-Aligned Detail Enhancement [12.855027334688382]
  Photo3Dは、GPT-4o画像モデル画像データによって駆動される3D生成を促進するためのフレームワークである。 本稿では,知覚的特徴適応とセマンティック構造マッチングを利用して外観整合性を強制する,現実的な詳細強化手法を提案する。 提案手法は,異なる3Dネイティブジェネレータに対して汎用的であり,幾何学的テクスチャ結合とデカップリングされた3Dネイティブジェネレータの最適化を容易にするための専用トレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-12-09T12:33:48Z)
• Step1X-3D: Towards High-Fidelity and Controllable Generation of Textured 3D Assets [90.99212668875971]
  Step1X-3Dは、データの不足、アルゴリズムの制限、エコシステムの断片化といった課題に対処するオープンフレームワークである。 拡散型テクスチャ合成モジュールとハイブリッドVAE-DiTジオメトリジェネレータを組み合わせた2段階の3Dネイティブアーキテクチャを提案する。 ベンチマークの結果は、既存のオープンソースメソッドを超える最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-05-12T16:56:30Z)
• TripoSG: High-Fidelity 3D Shape Synthesis using Large-Scale Rectified Flow Models [69.0220314849478]
  TripoSGは、入力画像に正確に対応した高忠実度3Dメッシュを生成することができる新しい合理化形状拡散パラダイムである。 結果として得られた3D形状は、高解像度の能力によって細部が強化され、入力画像に異常な忠実さを示す。 3Dジェネレーションの分野における進歩と革新を促進するため、我々はモデルを一般公開する。
  論文  参考訳（メタデータ） (2025-02-10T16:07:54Z)
• DiffSplat: Repurposing Image Diffusion Models for Scalable Gaussian Splat Generation [33.62074896816882]
  DiffSplatは,大規模テキスト・画像拡散モデルを用いて3次元ガウススプラットを生成する新しい3次元生成フレームワークである。 従来の3D生成モデルと異なり、Webスケールの2D事前を効果的に活用しつつ、統一モデルにおける3D一貫性を維持している。 これらの格子上の正規拡散損失と合わせて、3Dレンダリング損失を導入し、任意のビューの3Dコヒーレンスを促進する。
  論文  参考訳（メタデータ） (2025-01-28T07:38:59Z)
• Enhancing Single Image to 3D Generation using Gaussian Splatting and Hybrid Diffusion Priors [17.544733016978928]
  単一の画像から3Dオブジェクトを生成するには、野生で撮影された未ポーズのRGB画像から、目に見えない景色の完全な3D形状とテクスチャを推定する必要がある。 3次元オブジェクト生成の最近の進歩は、物体の形状とテクスチャを再構築する技術を導入している。 本稿では, この限界に対応するために, 2次元拡散モデルと3次元拡散モデルとのギャップを埋めることを提案する。
  論文  参考訳（メタデータ） (2024-10-12T10:14:11Z)
• CG3D: Compositional Generation for Text-to-3D via Gaussian Splatting [57.14748263512924]
  CG3Dは、スケーラブルな3Dアセットを合成的に生成する手法である。 ガンマ放射場は、オブジェクトの合成を可能にするためにパラメータ化され、意味的および物理的に一貫したシーンを可能にする能力を持っている。
  論文  参考訳（メタデータ） (2023-11-29T18:55:38Z)
• IT3D: Improved Text-to-3D Generation with Explicit View Synthesis [71.68595192524843]
  本研究では、これらの問題に対処するために、明示的に合成されたマルチビュー画像を活用する新しい戦略を提案する。 我々のアプローチは、高画質画像を生成するために、LCDによって強化されたイメージ・ツー・イメージ・パイプラインを活用することである。 組込み判別器では、合成したマルチビュー画像は実データと見なされ、最適化された3Dモデルのレンダリングは偽データとして機能する。
  論文  参考訳（メタデータ） (2023-08-22T14:39:17Z)
• Guide3D: Create 3D Avatars from Text and Image Guidance [55.71306021041785]
  Guide3Dは拡散モデルに基づく3Dアバター生成のためのテキスト・画像誘導生成モデルである。 我々のフレームワークは、トポロジカルかつ構造的に正しい幾何と高分解能なテクスチャを生成する。
  論文  参考訳（メタデータ） (2023-08-18T17:55:47Z)
• Efficient Geometry-aware 3D Generative Adversarial Networks [50.68436093869381]
  既存の3D GANは計算集約的であるか、3D一貫性のない近似を行う。 本研究では、3D GANの計算効率と画質をこれらの近似に頼らずに改善する。 本稿では,高解像度のマルチビュー一貫性画像だけでなく,高品質な3次元形状をリアルタイムに合成する,表現型ハイブリッド・明示型ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-15T08:01:43Z)

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。