論文の概要: RealSkin: Spatio-Spectral Partial Neural Adjoint Maps for Image-to-3D Attribute Transfer

• arxiv url: http://arxiv.org/abs/2607.12495v1
• Date: Tue, 14 Jul 2026 08:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.085567
• Title: RealSkin: Spatio-Spectral Partial Neural Adjoint Maps for Image-to-3D Attribute Transfer
• Title（参考訳）: RealSkin: Image-to-3D属性伝達のための空間スペクトル部分結合写像
• Abstract要約: 有望なアプローチは、実画像から合成三次元表面への視覚属性の転送である。 伝統的な手法は、分解ミスマッチと点対応の固有の離散性に苦しむ。 本稿では,学習スペクトル領域における対応最適化を行う自己教師型フレームワークであるRealSkinを提案する。
• 参考スコア（独自算出の注目度）: 22.636806561877606
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Creating photorealistic 3D assets requires bridging the appearance gap between real-world observations and synthetic models. A promising approach is to transfer visual attributes from real images onto synthetic 3D surfaces. Traditional methods struggle with resolution mismatch and the inherent discreteness of point correspondences. In contrast, resolution-robust functional maps enable smooth attribute propagation but rely on near-isometry assumptions and topological consistency. To address these limitations, we propose RealSkin, a self-supervised framework that performs correspondence optimization in a learned spectral domain, guided by spatial correspondences. We first introduce a spatial-guided registration algorithm to establish coarse correspondences under severe topological discrepancies. To relax strict isometric assumptions and handle partial correspondences, we further design a spectral-aware neural adjoint network that incorporates partial correspondences into a neural function space and models non-isometric residuals for correspondence refinement. Experimental results demonstrate that our method achieves state-of-the-art performance on challenging real-to-synthetic scenarios. The code will be publicly released.
• Abstract（参考訳）: 光現実的な3Dアセットを作るには、現実世界の観測と合成モデルの間の外観のギャップを埋める必要がある。 有望なアプローチは、実画像から合成三次元表面への視覚属性の転送である。 伝統的な手法は、分解ミスマッチと点対応の固有の離散性に苦しむ。 対照的に、分解ロバスト関数写像はスムーズな特性伝播を可能にするが、近等距離仮定と位相整合に依存する。 このような制約に対処するために,学習スペクトル領域における対応最適化を行う自己教師型フレームワークであるRealSkinを提案する。 まず, 空間誘導型登録アルゴリズムを導入し, 厳密なトポロジ的不一致下での粗い対応性を確立する。 厳密な等尺的仮定を緩和し、部分的対応を扱うために、部分的対応をニューラルネットワーク空間に組み込んだスペクトル認識型ニューラルネットワークを設計し、非等尺的残差を対応強化のためにモデル化する。 実験により,本手法は実合成シナリオの挑戦に対して,最先端の性能を実現することを示す。 コードは公開されます。

関連論文リスト

• Uncovering and Shaping the Latent Representation of 3D Scene Topology in Vision-Language Models [9.722829662835233]
  現代の視覚言語モデル (VLM) には3次元シーンの潜在的トポロジマップが存在することを示す。 この空間部分空間をクロスシーン線形特徴抽出により分離することにより,モデルの空間出力を因果的に制御するクリーン空間部分空間を抽出する。 この潜在表現を数学的に形成し、シーンの3次元ガウス-核グラフのラプラシア固有写像との対応性を証明する。
  論文  参考訳（メタデータ） (2026-05-08T02:32:27Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• Learning Positive-Incentive Point Sampling in Neural Implicit Fields for Object Pose Estimation [17.52581598592474]
  3次元形状の暗黙的学習は、任意の解像度での形状表現を可能にする急速に発展する分野である。 本稿では,SO(3)-等価な畳み込み型暗黙ネットワークとPIPS戦略を組み合わせた手法を提案する。 提案手法は3つのポーズ推定データセットにおいて最先端の手法より優れている。
  論文  参考訳（メタデータ） (2026-02-23T15:10:00Z)
• Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
  バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である 現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。 本稿では,これらの制約に対処する頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-06T05:20:12Z)
• Features Emerge as Discrete States: The First Application of SAEs to 3D Representations [5.751184796461698]
  スパースオートエンコーダ(SAE)は、ニューラルネットワークのアクティベーションを分解する強力な辞書学習技術である。 53k3Dモデルに適用した最先端3D再構成VAEの特徴を解析し,SAEの3D領域への最初の応用について述べる。
  論文  参考訳（メタデータ） (2025-12-12T03:54:45Z)
• Marching Neurons: Accurate Surface Extraction for Neural Implicit Shapes [14.372634421912094]
  ニューラル暗黙関数から表面を解析的に抽出する新しい手法を提案する。 我々の方法は並列に動作し、大きなニューラルアーキテクチャをナビゲートできる。 結果として得られるメッシュは、アドホックな空間的離散化なしに、ネットワークから全幾何学情報を忠実にキャプチャする。
  論文  参考訳（メタデータ） (2025-09-25T11:06:42Z)
• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• Neural Textured Deformable Meshes for Robust Analysis-by-Synthesis [17.920305227880245]
  本稿では, 近似解析を用いた三重視覚タスクを一貫した方法で定式化する。 実世界の画像で評価すると、従来のニューラルネットワークよりも、我々の分析バイシンセシスの方がはるかに堅牢であることが示される。
  論文  参考訳（メタデータ） (2023-05-31T18:45:02Z)
• Explicit Correspondence Matching for Generalizable Neural Radiance Fields [66.99907718824782]
  本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。 明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。 実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-04-24T17:46:01Z)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)

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。