論文の概要: SPECSIA: Stylization Dataset for Novel-View Enhancement in Drawing-based 3D Animation

• arxiv url: http://arxiv.org/abs/2607.00525v1
• Date: Wed, 01 Jul 2026 07:14:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.770634
• Title: SPECSIA: Stylization Dataset for Novel-View Enhancement in Drawing-based 3D Animation
• Title（参考訳）: SPECSIA:図面に基づく3次元アニメーションにおける新しい視点強調のためのスティル化データセット
• Abstract要約: 描画ベースの3Dアニメーションパイプラインは、しばしばサンプルワイド2Dリファインメントを使用して、アニメーションレンダリングを入力画像と整列させる。 本研究では,1,4983DBiCarキャラクタから14,980個のアーティファクト破損プロジェクション/リファインメントターゲットペアを含むペア型スタイリングデータセットであるSPECSIA-15Kを紹介する。 実験により, 新規視点の忠実度と時間的コヒーレンスにおいて, 試料ワイド微調整よりもキャラクタ適応コストが低いことが確認された。
• 参考スコア（独自算出の注目度）: 43.964357047995435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating animation from a single 2D drawing is challenging because the output must preserve character appearance while remaining plausible and temporally coherent under motion. Existing drawing-based 3D animation pipelines often use sample-wise 2D refinement to align animated renderings with the input image, but such optimization tends to overfit to the observed view and fails to correct projection-induced artifacts in novel views. To address this limitation, we introduce SPECSIA-15K, a paired stylization dataset containing 14,980 artifact-corrupted projection/refinement-target pairs from 1,498 3DBiCar characters. We further present DraViE (Drawing-based View Enhancement), a lightweight plug-and-play module trained with data-level priors to remove novel-view artifacts while preserving style and motion plausibility. Experiments show consistent gains in novel-view fidelity and temporal coherence with lower per-character adaptation cost than sample-wise fine-tuning.
• Abstract（参考訳）: 単一の2次元描画からアニメーションを生成することは、動作中に可塑性と時間的コヒーレントを維持しながら、出力がキャラクタの外観を保たなければならないため、難しい。 既存の描画ベースの3Dアニメーションパイプラインは、しばしばサンプルワイズ2Dリファインメントを使用してアニメーションレンダリングを入力画像と整列させるが、そのような最適化は観察されたビューに過度に適合し、新しいビューにおける投影誘起アーティファクトの修正に失敗する。 この制限に対処するために,1,4983DBiCar文字から14,980個のアーティファクトが破損したプロジェクション/リファインメント-ターゲットペアを含むペア型スタイリングデータセットであるSPECSIA-15Kを導入する。 さらにDraViE (Drawing-based View Enhancement) は,データレベルの事前学習により,スタイルや動作の可視性を保ちながら,新規なビューアーティファクトを除去する軽量なプラグイン・アンド・プレイモジュールである。 実験により, 新規視点の忠実度と時間的コヒーレンスにおいて, 試料ワイド微調整よりもキャラクタ適応コストが低いことが確認された。

関連論文リスト

• SceneExpander: Expanding 3D Scenes with Free-Form Inserted Views [69.08965991211704]
  ユーザ中心のワークフローにおける3Dシーンの拡大について検討する。 固定シーンにおける単純なオブジェクト編集やスタイル転送とは異なり、挿入されたビューは元の再構築と3Dミスアライメントされることが多い。 パラメトリックフィードフォワード3D再構成モデルにテスト時間適応を適用したSceneExpanderを提案する。
  論文  参考訳（メタデータ） (2026-03-28T02:04:48Z)
• 4-Doodle: Text to 3D Sketches that Move! [60.89021458068987]
  4-Doodleは、テキストから動的3Dスケッチを生成するための、最初のトレーニング不要のフレームワークである。 提案手法は時間的にリアルかつ構造的に安定な3次元スケッチアニメーションを生成し,忠実度と可制御性の両方において既存のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-10-29T09:33:29Z)
• UMA: Ultra-detailed Human Avatars via Multi-level Surface Alignment [63.772978308636006]
  多視点ビデオから鮮明なダイナミック性とフォトリアリスティックな外観を持つアニマタブルな人間のアバターモデルを学ぶことは、コンピュータグラフィックスとビジョンにおいて重要な基礎研究課題である。 本稿では,基本的な2次元ビデオポイントトラッカーからのガイダンスを用いて,潜時変形モデルを提案し,アニマタブルキャラクタの3次元変形を監督する。 提案手法は,先行技術に比べてレンダリング品質と幾何学的精度が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-06-02T15:42:33Z)
• 3DGS-Enhancer: Enhancing Unbounded 3D Gaussian Splatting with View-consistent 2D Diffusion Priors [13.191199172286508]
  新規ビュー合成は、複数の入力画像やビデオからシーンの新しいビューを生成することを目的としている。 3DGS-Enhancerは、3DGS表現の表現品質を向上させるための新しいパイプラインである。
  論文  参考訳（メタデータ） (2024-10-21T17:59:09Z)
• View Selection for 3D Captioning via Diffusion Ranking [54.78058803763221]
  Cap3D法は、3Dオブジェクトを2Dビューにレンダリングし、事前訓練されたモデルを用いてキャプションを行う。 3Dオブジェクトのレンダリングビューは、標準的な画像キャプションモデルのトレーニングデータから逸脱し、幻覚を引き起こす。 DiffuRankは、3Dオブジェクトとそれらの2Dレンダリングビューのアライメントを評価するために、事前訓練されたテキストから3Dモデルを利用する手法である。
  論文  参考訳（メタデータ） (2024-04-11T17:58:11Z)
• SparseGS: Real-Time 360° Sparse View Synthesis using Gaussian Splatting [6.506706621221143]
  3D Splatting (3DGS)は3Dシーンをリアルタイムにレンダリングして新しいビュー合成を実現した。 この技術は3次元幾何学を正確に再構築するために、密集したトレーニングビューを必要とする。 スパーストレーニングビューのシナリオにおける3DGSの限界に対処するために設計された,効率的なトレーニングパイプラインであるSparseGSを紹介した。
  論文  参考訳（メタデータ） (2023-11-30T21:38:22Z)
• ARTIC3D: Learning Robust Articulated 3D Shapes from Noisy Web Image Collections [71.46546520120162]
  単眼画像から動物体のような3D関節形状を推定することは、本質的に困難である。 本稿では,スパース画像コレクションから各物体の形状を再構築する自己教師型フレームワークARTIC3Dを提案する。 我々は、剛性部分変換の下で、描画された形状とテクスチャを微調整することで、現実的なアニメーションを作成する。
  論文  参考訳（メタデータ） (2023-06-07T17:47:50Z)
• Improving the Perceptual Quality of 2D Animation Interpolation [37.04208600867858]
  伝統的な2Dアニメーションは労働集約的であり、しばしばアニメーターは1秒間に12枚のイラストを描く必要がある。 低いフレームレートは大きな変位と閉塞をもたらし、例えばラインやソリッドカラー領域のような個々の知覚要素は、テクスチャ指向の畳み込みネットワークに困難をもたらす。 以前の研究はこれらの問題に対処しようとしたが、計算不能なメソッドを使用し、ピクセル完全性能に重点を置いていた。 私たちは、この芸術領域の知覚的品質を重視した、より適切なスケーラブルなシステムを構築します。
  論文  参考訳（メタデータ） (2021-11-24T20:51:29Z)

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。