論文の概要: WarpHammer: Densifying Scene Warps with 3D Object Priors for Extreme View Synthesis

• arxiv url: http://arxiv.org/abs/2606.31258v1
• Date: Tue, 30 Jun 2026 07:33:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.11614
• Title: WarpHammer: Densifying Scene Warps with 3D Object Priors for Extreme View Synthesis
• Title（参考訳）: WarpHammer:超高解像度合成のための3Dオブジェクトプリミティブを用いたシーンワープ
• Authors: Michael Green, Gavriel Habib, Dvir Samuel, Tal Berkovitz Shalev, Issar Tzachor, Rami Ben-Ari, Or Litany,
• Abstract要約: 投影条件付き新規ビュー合成(NVS)は、入力ビューをターゲットカメラに明示的に3D再構成する。 WarpHammerを紹介します。これは、ネイティブな3D生成前のオブジェクトを明示的に3D再構成することで、歪んだシーンを拡大するフレームワークです。
• 参考スコア（独自算出の注目度）: 21.94436657707143
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Projection-conditioned novel view synthesis (NVS) warps an explicit 3D reconstruction of the input view into the target camera and conditions a generator on the warped rendering. This works well for small viewpoint changes but degrades sharply under large orbital motion: the warp becomes sparse around the orbited object, where hidden surfaces dominate the new view and mirror-like artifacts emerge, causing the generator to lose both pixel content and the implicit camera cue carried by the warp. We introduce WarpHammer, a training-free framework that resolves this failure mode by augmenting the warped scene with an explicit 3D reconstruction of the object obtained from a native 3D generative prior (e.g., SAM3D). The reconstructed object adds missing foreground surfaces and occludes background points that should no longer be visible, restoring both appearance and camera cues without fine-tuning the base model. The same explicit object representation further unlocks a capability current NVS pipelines do not support: incorporating auxiliary views of the object from sources outside the target scene, for example, a casual snapshot of a car paired with a manufacturer studio shot of the same model. We process the reference and auxiliary images jointly with a pretrained multi-view geometry foundation model, which predicts a unified point cloud that we fuse into the 3D object reconstruction. This yields substantially more faithful geometry than single-image reconstruction, without requiring user-provided camera poses for the auxiliary views. On five benchmarks, WarpHammer produces stable novel views at viewpoint deviations where strong baselines collapse, and is the first scene-level NVS method that can naturally fuse auxiliary, pose-unknown object views from an external source.
• Abstract（参考訳）: 投影条件付き新規ビュー合成(NVS)は、入力ビューをターゲットカメラに明示的に3D再構成し、歪んだレンダリングにジェネレータを条件付ける。 ワープは、新しいビューを支配し、鏡のようなアーティファクトが出現して、ワープによって運ばれる暗黙のカメラキューの両方を失う。 WarpHammerは、ネイティブな3D生成前(例えばSAM3D)から得られたオブジェクトを明示的に3D再構成することで、歪んだシーンを拡大することで、この障害モードを解決するトレーニング不要のフレームワークである。 再建されたオブジェクトは、前景の表面が無くなり、背景の部分が見えなくなるのを防ぎ、ベースモデルを微調整することなく外観とカメラのキューを復元する。 同じ明示的なオブジェクト表現は、現在のNVSパイプラインがサポートしていない機能をさらにアンロックする:例えば、同じモデルのメーカースタジオショットと組み合わせた車のカジュアルスナップショットなど、ターゲットシーン外のソースからオブジェクトの補助的なビューを統合する。 我々は,3次元オブジェクト再構成に融合する統一点雲を予測する,事前訓練された多視点幾何基盤モデルと併用して参照画像と補助画像を処理する。 これにより、ユーザが提供するカメラのポーズを補助的なビューに必要とせずに、シングルイメージの再構築よりもかなり忠実な幾何学が得られる。 WarpHammerは5つのベンチマークで、強いベースラインが崩壊する視点偏差で安定した新しいビューを生成し、外部からの補助的、ポーズ不明なオブジェクトビューを自然に融合できる初めてのシーンレベルのNVSメソッドである。

関連論文リスト

• SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning [46.441761732998536]
  プロキシジェネレーションとチューニング(SCORP)によるシーン一貫性オブジェクトリファインメント(Scene-Consistent Object Refinement)について紹介する。 SCORP は、3D 生成に先立って細粒度なオブジェクトの形状と外観を復元する新しい3D拡張フレームワークである。 これは、新しいビュー合成と幾何完成タスクの両方において、最近の最先端のベースラインに対して一貫した利得を達成する。
  論文  参考訳（メタデータ） (2025-06-30T13:26:21Z)
• DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
  閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。 私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
  論文  参考訳（メタデータ） (2025-06-26T17:58:26Z)
• Gaussian Scenes: Pose-Free Sparse-View Scene Reconstruction using Depth-Enhanced Diffusion Priors [8.440211083233528]
  本研究では2次元画像の粗い集合から360度シーンのポーズなし(カメラパラメータなしで)再構成のための生成的アプローチを提案する。 画像から画像への生成モデルを提案し、3Dシーンの新たな画像レンダリングと深度マップにおいて、欠落した詳細を描き、アーティファクトを除去する。
  論文  参考訳（メタデータ） (2024-11-24T19:34:58Z)
• Floating No More: Object-Ground Reconstruction from a Single Image [33.34421517827975]
  本研究では,3次元物体形状の再構成を目的とした新しい作業であるORG(Object Restruction with Ground)を紹介する。 提案手法では,2つのコンパクトなピクセルレベル表現を用いて,カメラ,オブジェクト,グラウンドの関係を表現している。
  論文  参考訳（メタデータ） (2024-07-26T17:59:56Z)
• ObjectSDF++: Improved Object-Compositional Neural Implicit Surfaces [40.489487738598825]
  近年,多視点3次元再構成のパラダイムとして神経暗黙的表面再構成が注目されている。 以前の作業では、ObjectSDFは、オブジェクト合成ニューラルな暗黙の面の優れたフレームワークを導入しました。 我々はObjectSDF++と呼ばれる新しいフレームワークを提案し、ObjectSDFの限界を克服する。
  論文  参考訳（メタデータ） (2023-08-15T16:35:40Z)
• RealFusion: 360{\deg} Reconstruction of Any Object from a Single Image [98.46318529630109]
  対象物の全360度写真モデルを1枚の画像から再構成する際の問題点を考察する。 拡散に基づく自己条件付き画像生成装置を設計し、オブジェクトの新たなビューを"ドレームアップ"するよう促すプロンプトを設計する。
  論文  参考訳（メタデータ） (2023-02-21T13:25:35Z)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• Towards High-Fidelity Single-view Holistic Reconstruction of Indoor Scenes [50.317223783035075]
  単視点画像から総合的な3次元屋内シーンを再構築するための新しい枠組みを提案する。 詳細なオブジェクト再構成のためのインスタンス整列型暗黙関数(InstPIFu)を提案する。 私たちのコードとモデルは公開されます。
  論文  参考訳（メタデータ） (2022-07-18T14:54:57Z)

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。