論文の概要: Mirror Illusion Art

• arxiv url: http://arxiv.org/abs/2607.02015v1
• Date: Thu, 02 Jul 2026 10:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.794518
• Title: Mirror Illusion Art
• Title（参考訳）: Mirror Illusion Art
• Authors: Xiaopei Zhu, Zeyuan Li, Jun Zhu, Xiaolin Hu,
• Abstract要約: ミラー・イリュージョン・アート(Mirror Illusion Art)は、1つの物体が2つのターゲット(正面と鏡)を映し出す、反射条件の新たな3Dイリュージョンである。 このタスクは、2つのターゲット2D画像(正面と鏡)から幾何学とテクスチャを備えたプリント可能な3Dオブジェクトへの逆設計として定式化される。 形状と色を協調的に最適化するミラーイリュージョンアートデザインパイプラインであるAutoMIAを提案する。
• 参考スコア（独自算出の注目度）: 36.11134942289987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mirror Illusion Art is a novel reflection-conditioned 3D illusion where one object yields two target appearances (front and mirror). The task is formulated as inverse design from two target 2D images (front and mirror) to a printable 3D object with geometry and texture. Prior topology-driven and shadow-based approaches demand substantial manual effort, optimize shape only, and often yield non-smooth or incomplete geometry. To address these challenges, we propose AutoMIA, an automated Mirror Illusion Art design pipeline that jointly optimizes shape and color. To stabilize optimization and suppress artifacts, four mechanisms are introduced: (1) projection-alignment component (PAC) selection to reduce surface noise, (2) position-weighted adaptive (PWA) suppression for background noise, (3) internal voxel preservation (IVP) to prevent internal fractures, and (4) shape-color decoupled (SCD) optimization that balance shape and color optimization. AutoMIA generate diverse smooth Mirror Illusion artworks successfully both in the digital and physical world, with only around 76s design time and 2.6 GB memory on average using a single RTX 3090, advancing inverse graphics and computational design. Our code is available at https://github.com/zxp555/AutoMIA.
• Abstract（参考訳）: ミラー・イルシオン・アート(Mirror Illusion Art)は、1つの物体が2つのターゲット(正面と鏡)を映し出す、反射条件の新たな3Dイリュージョンである。 このタスクは、2つのターゲット2D画像(正面と鏡)から幾何学とテクスチャを備えたプリント可能な3Dオブジェクトへの逆設計として定式化される。 以前のトポロジー駆動および影に基づくアプローチは、かなりの手作業を必要とし、形状のみを最適化し、しばしば非滑らかまたは不完全幾何をもたらす。 これらの課題に対処するために、形状と色を共同で最適化する自動ミラーイリュージョンアートデザインパイプラインであるAutoMIAを提案する。 1)表面雑音低減のためのPAC選択,(2)背景雑音に対するPWA抑制,(3)内部ボクセル保存(IVP)による内部破壊の防止,(4)形状と色の最適化を両立する形状色分離(SCD)最適化の4つのメカニズムが導入された。 AutoMIAはデジタルと物理の両方で様々なスムーズなミラー・イリュージョン・アートワークを製作し、76sの設計時間と2.6GBのメモリを1枚のRTX 3090を使って平均で生成し、逆グラフィックと計算設計を進歩させた。 私たちのコードはhttps://github.com/zxp555/AutoMIA.comで利用可能です。

関連論文リスト

• R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting [59.29134814041703]
  物理的敵対的なカモフラージュは、自律運転システムに深刻なセキュリティ上の脅威をもたらす。 現在の手法は、様々な幾何学的(例えば、視線構成)とラジオメトリックのバリエーションにまたがる一般化に失敗する。 Relightable Physical 3D Gaussian Splatting framework (R-PGA)を提案する。
  論文  参考訳（メタデータ） (2026-03-27T04:38:04Z)
• TRAN-D: 2D Gaussian Splatting-based Sparse-view Transparent Object Depth Reconstruction via Physics Simulation for Scene Update [11.563662673205085]
  TRAN-Dは透明物体に対する新しい2次元ガウス平板を用いた深度再構成法である。 我々は、ガウス人を不明瞭な地域に配置するオブジェクト認識損失でアーティファクトを緩和する。 物理に基づくシミュレーションを組み込んで、わずか数秒で復元を洗練します。
  論文  参考訳（メタデータ） (2025-07-15T08:02:37Z)
• Car-GS: Addressing Reflective and Transparent Surface Challenges in 3D Car Reconstruction [15.760408540786035]
  Car-GSは、3次元幾何およびシェーディング再構成における特異ハイライトの効果とRGBと幾何学の結合を緩和するための新しいアプローチである。 Car-GSは自動車表面の精密な再構築を実現し,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-19T11:49:35Z)
• RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
  カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。 表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-05-14T05:35:35Z)
• Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
  3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。 以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。 本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
  論文  参考訳（メタデータ） (2022-04-09T03:46:18Z)
• Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
  本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。 VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
  論文  参考訳（メタデータ） (2020-07-14T14:45:00Z)

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。