論文の概要: DreamCharacter-1: From 3D Generative Foundation Models to Product-Ready Character Generation

• arxiv url: http://arxiv.org/abs/2607.07817v1
• Date: Wed, 08 Jul 2026 18:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.307326
• Title: DreamCharacter-1: From 3D Generative Foundation Models to Product-Ready Character Generation
• Title（参考訳）: DreamCharacter-1: 3次元生成基礎モデルから製品対応文字生成へ
• Abstract要約: 本稿では,DreamCharacter-1を提案する。DreamCharacter-1は,事前学習した3D基礎モデルを高忠実で生産可能な3Dキャラクタ生成に向けて校正する軽量な後適応フレームワークである。 このパイプラインは,(1)幾何選好最適化による表面の微細化を図った幾何学的ポストトレーニング,(2)高分解能なテクスチャを合成し,隠蔽領域の外観を洗練するテクスチャ・ポストトレーニング,(3)スケーラブルな展開を可能にする推論加速度という3つのタスク指向のコンポーネントを組み込んでいる。
• 参考スコア（独自算出の注目度）: 13.865067518686255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present DreamCharacter-1, a lightweight post-adaptation framework that calibrates pretrained 3D foundation models toward high-fidelity, production-ready 3D character generation. Building upon a 3D foundation backbone, our pipeline incorporates three task-oriented components: (1) geometry post-training, which enhances fine-grained surface details through geometric preference optimization; (2) texture post-training, which synthesizes high-resolution textures and refines the appearance of occluded regions; and (3) inference acceleration, which enables scalable deployment. Extensive quantitative and qualitative experiments demonstrate that DreamCharacter-1 produces visually compelling and structurally robust 3D character assets, consistently surpassing state-of-the-art character generation methods.
• Abstract（参考訳）: 本稿では,DreamCharacter-1を提案する。DreamCharacter-1は,事前学習した3D基礎モデルを高忠実で生産可能な3Dキャラクタ生成に向けて校正する軽量な後適応フレームワークである。 提案するパイプラインは,(1)幾何選好最適化により表面の微細化を促進させる幾何ポストトレーニング,(2)高分解能なテクスチャを合成し,閉塞領域の外観を洗練するテクスチャポストトレーニング,(3)拡張可能な展開を可能にする推論加速度という,3つのタスク指向のコンポーネントを組み込んでいる。 広汎な定量的および定性的実験により、ドリームキャクター-1は視覚的に魅力的で構造的に堅牢な3Dキャラクタを生産し、常に最先端のキャラクタ生成法を超越していることが示されている。

関連論文リスト

• Seed3D 2.0: Advancing High-Fidelity Simulation-Ready 3D Content Generation [49.78860713076338]
  Seed3D 2.0は、Seed3D 1.0上に開発された高度な3Dコンテンツ生成システムである。 幾何の場合、粗い2段階のパイプラインは、高周波ディテールリカバリからグローバルな構造学習を分離する。 テクスチャと材料生成のために,Seed3D 1.0のカスケードパイプラインを統一されたPBRモデルで置き換える。
  論文  参考訳（メタデータ） (2026-04-22T17:50:03Z)
• TAPESTRY: From Geometry to Appearance via Consistent Turntable Videos [65.99602532894241]
  明示的な3次元幾何学に基づく高忠実度TTVを生成するためのフレームワークであるTAPESTRYを紹介する。 また,3D-Aware Inpaintingを用いた多段パイプラインを特徴とする,TTV入力からの下流再構成タスクを設計する。 その結果,本手法はビデオの整合性と最終的な再現性の両方において,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-18T14:02:09Z)
• LATTICE: Democratize High-Fidelity 3D Generation at Scale [27.310104395842075]
  LATTICEは高忠実度3Dアセット生成のための新しいフレームワークである。 VoxSetは、3Dの資産を粗いボクセル格子に固定された潜在ベクトルのコンパクトな集合に圧縮する半構造化表現である。 提案手法のコアは単純だが,任意の解像度復号化,低コストトレーニング,フレキシブル推論スキームをサポートする。
  論文  参考訳（メタデータ） (2025-11-24T03:22:19Z)
• End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards [8.953379216683732]
  本稿では,人間のフィードバックを3次元テクスチャパイプラインに直接埋め込む,エンドツーエンドの微分可能・強化学習不要なフレームワークを提案する。 幾何学的および外見的モジュールによる好み信号のバックプロパゲーションにより、3次元幾何学的構造を尊重し、所望の基準と整合するテクスチャを生成する。
  論文  参考訳（メタデータ） (2025-06-23T06:24:12Z)
• 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)
• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• 3DTopia-XL: Scaling High-quality 3D Asset Generation via Primitive Diffusion [86.25111098482537]
  3DTopia-XLは,既存の手法の限界を克服するために設計された,スケーラブルなネイティブな3D生成モデルである。 3DTopia-XLは、新しいプリミティブベースの3D表現であるPrimXを利用して、詳細な形状、アルベド、マテリアルフィールドをコンパクトなテンソル形式にエンコードする。 その上で, 1) 原始的パッチ圧縮, 2) および潜在的原始的拡散を含む拡散変換器(DiT)に基づく生成フレームワークを提案する。 我々は,3DTopia-XLが既存の手法よりも高い性能を示すことを示すために,広範囲な定性的,定量的な実験を行った。
  論文  参考訳（メタデータ） (2024-09-19T17:59:06Z)

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。