論文の概要: TanGO: Training-Free 3D Editing via Tangent-Space Guidance and Optimization

• arxiv url: http://arxiv.org/abs/2607.14927v1
• Date: Thu, 16 Jul 2026 12:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.095659
• Title: TanGO: Training-Free 3D Editing via Tangent-Space Guidance and Optimization
• Title（参考訳）: TanGO:Tangent-Space Guidanceと最適化によるトレーニング不要の3D編集
• Authors: Siwoo Lim, Sunjae Yoon, Gwanhyeong Koo, Hyeonseo Yun, Chang D. Yoo,
• Abstract要約: TanGOはトレーニングフリーのフレームワークで、生成力学の接点空間における適応的な一点あたりのステアリングを可能にする。 実験によると、TanGOは構造的アーティファクトを大幅に削減し、最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 38.10233007236479
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While recent flow-matching 3D generative models (e.g., VecSet) adopt structured representations, their tokens share global context, causing conventional training-free editing to suffer from semantic artifacts such as collapsed preserved regions or incomplete transformations. To address this, we propose TanGO, a training-free framework that enables adaptive per-token steering in the tangent space of generative dynamics. To realize this selective control, we formulate a one-step optimal control rule and determine the strength of each token's control signal using a von Mises-Fisher inspired directional discrepancy derived from the source and target velocity fields. Experiments show that TanGO substantially reduces structural artifacts and achieves state-of-the-art performance, outperforming existing 3D editing baselines. The code is publicly available at https://github.com/siw00-lim/TanGO.
• Abstract（参考訳）: 最近のフローマッチング3D生成モデル(例えば、VecSet)では構造化表現が採用されているが、トークンはグローバルなコンテキストを共有しているため、従来のトレーニング不要な編集では、保存された領域の崩壊や不完全な変換といったセマンティックアーティファクトに悩まされる。 そこで本稿では,TanGOを提案する。TanGOは,生成力学の接点空間において,適応的な一対のステアリングを可能にする,トレーニング不要のフレームワークである。 この選択的な制御を実現するために、1ステップの最適制御ルールを定式化し、ソースとターゲットの速度場から導出される方向のずれを利用して各トークンの制御信号の強度を決定する。 実験の結果、TanGOは構造的アーティファクトを大幅に減らし、最先端のパフォーマンスを実現し、既存の3D編集ベースラインを上回っていることがわかった。 コードはhttps://github.com/siw00-lim/TanGOで公開されている。

関連論文リスト

• Zero-shot 3D-Aware Trajectory-Guided image-to-video generation via Test-Time Training [27.251232052868033]
  Trajectory-Guided Image-to-Video (I2V) 生成は、ユーザが指定した動画を合成することを目的としている。 Zo3Tは軌道制御されたI2V生成における3次元リアリズムと運動精度を著しく向上させる。
  論文  参考訳（メタデータ） (2025-09-08T14:21:45Z)
• Drag Your Gaussian: Effective Drag-Based Editing with Score Distillation for 3D Gaussian Splatting [55.14822004410817]
  DYGは3次元ガウススプラッティングのための効果的な3次元ドラッグベース編集法である。 3次元マスクと一対の制御点を入力して編集範囲を正確に制御できる。 DYGは暗黙三面体表現の強さを統合し、編集結果の幾何学的足場を確立する。
  論文  参考訳（メタデータ） (2025-01-30T18:51:54Z)

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。