論文の概要: Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration

• arxiv url: http://arxiv.org/abs/2607.00522v1
• Date: Wed, 01 Jul 2026 07:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.768687
• Title: Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration
• Title（参考訳）: Restore3D: 形状とテクスチャを復元した破砕物に人生を吹き込む
• Abstract要約: 不完全または損傷した3Dオブジェクトの復元は、文化遺産の保存、隠されたオブジェクトの再構築、芸術デザインに不可欠である。 マルチビュー画像を用いて,壊れた物体の形状とテクスチャを同時に復元する新しいフレームワークであるRestore3Dを紹介する。 Restore3Dは, 一般的な塗装, 補修, 補修ベースラインよりも, マルチビュー復元品質とテクスチャ化メッシュ復元を改善した。
• 参考スコア（独自算出の注目度）: 41.057923153081035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Restoring incomplete or damaged 3D objects is crucial for cultural heritage preservation, occluded object reconstruction, and artistic design. Existing methods primarily focus on geometric completion, often neglecting texture restoration and struggling with relatively complex and diverse objects. We introduce Restore3D, a novel framework that simultaneously restores both the shape and texture of broken objects using multi-view images. To address limited training data, we develop an automated data generation pipeline that synthesizes paired incomplete-complete samples from large-scale 3D datasets. Central to Restore3D is a multi-view model, enhanced by a carefully designed Mask Self-Perceiver module with a Depth-Aware Mask Rectifier. The rectified masks learned by the self-perceiver guide an image integration and enhancement phase, helping retain observed shape and texture patterns while refining the generated regions and mitigating the low-resolution limitations of the base model, yielding high-resolution, semantically coherent, and view-consistent multi-view images. A coarse-to-fine reconstruction strategy is then employed to recover detailed textured 3D meshes from refined multi-view images. Experiments on synthetic and real broken-object benchmarks show that Restore3D improves multi-view restoration quality and textured-mesh reconstruction over representative inpainting, completion, and reconstruction baselines in the evaluated settings. Project Page: restore3dx.github.io
• Abstract（参考訳）: 不完全または損傷した3Dオブジェクトの復元は、文化遺産の保存、隠されたオブジェクトの再構築、芸術デザインに不可欠である。 既存の手法は主に幾何学的な完成に焦点を当てており、しばしばテクスチャの復元を無視し、比較的複雑で多様な物体に苦しむ。 マルチビュー画像を用いて,壊れた物体の形状とテクスチャを同時に復元する新しいフレームワークであるRestore3Dを紹介する。 限られたトレーニングデータに対処するため,大規模な3次元データセットからペア化された不完全なサンプルを合成する自動データ生成パイプラインを開発した。 Central to Restore3D はマルチビューモデルであり、Depth-Aware Mask Rectifier を備えた慎重に設計された Mask Self-Perceiver モジュールによって拡張されている。 自己知覚者が学習した補正マスクは、画像統合及び強調フェーズを導出し、観察された形状やテクスチャパターンの維持を支援しながら、生成した領域を精製し、ベースモデルの低解像度の制限を緩和し、高解像度、セマンティックコヒーレント、ビュー一貫性の多視点画像を得る。 次に,多視点画像から詳細なテクスチャ化された3Dメッシュを復元するために,粗大な再構成戦略を用いる。 Restore3Dは, 評価設定において, 代表的な塗装, 補修, 補修ベースラインよりも, マルチビュー復元品質とテクスチャ化メッシュ復元を改善した。 Project Page: restore3dx.github.io

関連論文リスト

• DecoRec: Decomposed 3D Scene Reconstruction from Single-View Images via Object-Level Diffusion [65.65756111062005]
  textitDecoRecは、単一のビュー2D画像を分解された3Dシーンメッシュに高めるように設計されたシステムである。 以上の結果から,DecoRecはジオメトリと新規合成の両面において,高品質なワンビューシーン再構築を促進することが示唆された。
  論文  参考訳（メタデータ） (2026-05-16T04:23:48Z)
• LARM: A Large Articulated-Object Reconstruction Model [29.66486888001511]
  LARMは、スパースビュー画像から3Dの明瞭なオブジェクトを再構成する統合フィードフォワードフレームワークである。 LARMは、ディープマップやパートマスクなどの補助出力を生成し、明示的な3Dメッシュ抽出と関節推定を容易にする。 我々のパイプラインは、密集した監視の必要性を排除し、多様な対象カテゴリにわたる高忠実度再構築をサポートする。
  論文  参考訳（メタデータ） (2025-11-14T18:55:27Z)
• DreamGrasp: Zero-Shot 3D Multi-Object Reconstruction from Partial-View Images for Robotic Manipulation [12.812918371506209]
  シーンの未観測部分を推論するフレームワークであるDreamGraspを紹介します。 粗い3D再構成、対照的な学習によるインスタンスセグメンテーション、テキスト誘導型インスタンスワイドリファインメントを組み合わせることで、DreamGraspは以前の方法の制限を回避することができる。 実験の結果,DreamGraspは正確なオブジェクト形状を復元するだけでなく,シーケンシャルなデクラッタリングや高い成功率のターゲット検索といった下流タスクもサポートしていることがわかった。
  論文  参考訳（メタデータ） (2025-07-08T03:12:49Z)
• 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)
• Part123: Part-aware 3D Reconstruction from a Single-view Image [54.589723979757515]
  Part123は、一視点画像から部分認識された3D再構成のための新しいフレームワークである。 ニューラルレンダリングフレームワークにコントラスト学習を導入し、部分認識機能空間を学習する。 クラスタリングに基づくアルゴリズムも開発され、再構成されたモデルから3次元部分分割結果を自動的に導出する。
  論文  参考訳（メタデータ） (2024-05-27T07:10:21Z)
• Reconstructing Topology-Consistent Face Mesh by Volume Rendering from Multi-View Images [71.20113392204183]
  産業用3Dフェイスアセット作成は通常、下流生産のために多視点画像からトポロジに一貫性のあるフェイスメッシュを再構築する。 NeRFは3次元再構成において、シーンを密度場と放射場として表現することで大きな利点を示した。 多視点画像からアーティストが作ったテンプレートフェイスメッシュの形状を最適化するために,明示的メッシュとニューラルボリュームレンダリングを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:25:50Z)
• 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
  マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。 しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。 本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T02:30:31Z)
• 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)
• Unsupervised Severely Deformed Mesh Reconstruction (DMR) from a Single-View Image [26.464091507125826]
  単視点画像から3次元形状を推定するテンプレートベースの手法を導入し、再構成メッシュを下流タスクに適用する。 本手法は3次元メッシュを忠実に再構築し,魚の群集長計測における最先端の精度を実現する。
  論文  参考訳（メタデータ） (2022-01-23T21:46:30Z)

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。