論文の概要: Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
- arxiv url: http://arxiv.org/abs/2607.08765v2
- Date: Sun, 12 Jul 2026 11:09:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 13:33:35.703376
- Title: Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
- Title（参考訳）: 幾何学的事前学習による文脈内パノラマ生成の促進
- Abstract要約: 本研究では,文脈内パノラマ生成のための2段階フレームワークであるCanvas360を提案する。
Canvas360Datasetは,1Mの高品質なペアパノラマサンプルの集合体で,スタイル転送,インペインティング,アウトペインティング,編集を行う。
モデリング面では、Canvas360は並列深度生成、速度円パディング、類似性損失正規化によるテキスト・パノラマ生成を強化する。
- 参考スコア（独自算出の注目度）: 20.15186580337447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we present Canvas360, a two-stage framework for in-context panoramic generation that combines geometry-aware pretraining with downstream task-specific fine-tuning. To address the lack of large-scale, high-quality training data tailored to in-context panoramic tasks, we propose Canvas360Dataset, a collection of 1M high-quality paired panoramic samples for style transfer, inpainting, outpainting, and editing, enabling effective supervision across diverse in-context generation scenarios. On the modeling side, Canvas360 enhances text-to-panorama generation through parallel depth generation, velocity circular padding, and similarity loss regularization, enabling the model to learn geometry-aware representations, capture object distortion details, and improve geometric consistency and global coherence. Furthermore, empowered by strong panoramic priors, Canvas360 enables a unified in-context panoramic generation framework that supports diverse downstream tasks via token-level concatenation, surpassing prior methods in both task coverage and modeling flexibility. Extensive experiments show that Canvas360 improves panoramic image fidelity, achieving particularly strong performance on the panorama-specific FAED metric and competitive or leading results across the reported quantitative evaluations. More information can be found on our project page: https://zry000.github.io/Canvas360/
- Abstract（参考訳）: 本研究では,テクスチャ・アウェア・プレトレーニングと下流タスク固有の微調整を組み合わせた,文脈内パノラマ生成のための2段階フレームワークCanvas360を提案する。
テキスト内パノラマタスクに適した大規模で高品質なトレーニングデータの欠如に対処するため, Canvas360Datasetを提案する。
モデリング側では、Canvas360は並列深度生成、速度円形パディング、類似性損失正規化によるテキスト・パノラマ生成を強化し、幾何学的認識表現を学習し、オブジェクトの歪みの詳細をキャプチャし、幾何整合性と大域的コヒーレンスを向上させる。
さらに、強力なパノラマ前駆体によって強化されたCanvas360は、トークンレベルの結合を通じてさまざまなダウンストリームタスクをサポートし、タスクカバレッジとモデリングの柔軟性の両方において、以前のメソッドを超える、統一されたコンテキスト内パノラマ生成フレームワークを実現する。
Canvas360はパノラマ画像の忠実度を向上し,パノラマ特異的FAED測定値に特に強い性能を達成し,定量的評価を報告した。
詳細はプロジェクトのページにある。 https://zry000.github.io/Canvas360/
関連論文リスト
- PanoWorld: Real-World Panoramic Generation [68.3569360188378]
パノワールド(PanoWorld)は、現在の動作モデリングと長距離メモリの両方において、固定方向によるカメラ軌跡の変換を単純化する。
ワールド360の大規模な実験は、パノワールドの有効性を示し、大きなマージンで代替手法を上回った。
論文 参考訳（メタデータ） (2026-07-10T17:59:32Z) - World-Shaper: A Unified Framework for 360° Panoramic Editing [57.174341220144605]
既存の視点に基づく画像編集手法ではパノラマの空間構造をモデル化できない。
一つの編集中心の設計にパノラマ生成と編集をブリッジする統合幾何認識フレームワークであるWorld-Shaperを提案する。
本手法はSOTA法と比較して, 幾何的整合性, 編集精度, テキスト制御性に優れる。
論文 参考訳（メタデータ） (2026-01-30T19:38:54Z) - AnchoredDream: Zero-Shot 360° Indoor Scene Generation from a Single View via Geometric Grounding [58.90269958632018]
シングルビュー屋内シーン生成は、様々な現実世界のアプリケーションにおいて重要な役割を担っている。
近年,拡散モデルと深度推定ネットワークを活用して進展している。
高忠実度形状で360度映像を生成する新しいゼロショットパイプラインAnchoredDreamを提案する。
論文 参考訳（メタデータ） (2026-01-23T08:08:12Z) - JoPano: Unified Panorama Generation via Joint Modeling [51.392082596383034]
本稿では,2つのコアタスクをDiTモデル内に統一する共同顔パノラマ(JoPano)生成手法を提案する。
テキスト・ツー・パノラマ・ビュー・トゥ・パノラマ生成タスクにおいて,JoPanoは高品質なパノラマを生成することができることを示す。
論文 参考訳（メタデータ） (2025-12-07T15:19:26Z) - DiT360: High-Fidelity Panoramic Image Generation via Hybrid Training [76.82789568988557]
DiT360は、パノラマ画像生成のための視点とパノラマデータを用いたハイブリッドトレーニングを行う、DiTベースのフレームワークである。
提案手法は,11の定量的指標間で境界の整合性と画像の忠実度を向上する。
論文 参考訳（メタデータ） (2025-10-13T17:59:15Z) - TanDiT: Tangent-Plane Diffusion Transformer for High-Quality 360° Panorama Generation [12.480249699450535]
TanDiTはパノラマシーンを合成する手法で、360$circ$ビュー全体をカバーする接地平面画像の格子を生成する。
また,パノラマ画像の画質を正確に評価するために,TangentISとTangentFIDの2つの専門指標を示す。
論文 参考訳（メタデータ） (2025-06-26T18:09:09Z) - PanoWan: Lifting Diffusion Video Generation Models to 360° with Latitude/Longitude-aware Mechanisms [41.92179513409301]
既存のパノラマビデオ生成モデルは、高品質なパノラマビデオのための従来のテキスト・ツー・ビデオ・モデルから事前訓練された生成先を活用するのに苦労している。
本稿では,パノラマ領域に最小限のモジュールを備えた事前学習されたテキスト・ビデオ・モデルを効果的に持ち上げるパノラマモデルを提案する。
これらの揚力表現を学習するためのパノラマビデオを提供するため、キャプションと多様なシナリオを備えた高品質なパノラマビデオデータセットであるPanoVidをコントリビュートする。
論文 参考訳（メタデータ） (2025-05-28T06:24:21Z) - DiffPano: Scalable and Consistent Text to Panorama Generation with Spherical Epipolar-Aware Diffusion [60.45000652592418]
本稿では,テキスト駆動型パノラマ生成フレームワークDiffPanoを提案し,拡張性,一貫性,多様なパノラマシーン生成を実現する。
DiffPanoは、不明瞭なテキスト記述とカメラのポーズによって、一貫した多様なパノラマ画像を生成することができることを示す。
論文 参考訳（メタデータ） (2024-10-31T17:57:02Z)
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。