Fugu-MT 論文翻訳(概要): GATE-3D: Geometry-Aware Test-time Adaptive Reranking for Open-Set 3D Shape Retrieval

論文の概要: GATE-3D: Geometry-Aware Test-time Adaptive Reranking for Open-Set 3D Shape Retrieval

arxiv url: http://arxiv.org/abs/2607.19111v1
Date: Tue, 21 Jul 2026 13:56:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-22 19:05:05.438872
Title: GATE-3D: Geometry-Aware Test-time Adaptive Reranking for Open-Set 3D Shape Retrieval
Title（参考訳）: GATE-3D: オープンセット3次元形状検索のための幾何認識テスト時間適応リランク
Abstract要約: 本稿では,検索バックボーンをリトレーニングすることなく幾何を組み込んだ軽量なクエリ適応型リランク手法を提案する。 Gates-3Dは、2つのモダリティ間の不一致を捉えた特徴を用いて、幾何認識スコアが外観に基づくランキングをどの程度調整すべきかを予測する。
参考スコア（独自算出の注目度）: 18.485032317867205
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large pretrained vision models have substantially improved appearance-based 3D shape retrieval, but they still confuse shapes that look similar while differing in geometry. Although geometry-aware features can reduce these errors, naive fusion of geometry and appearance may hurt retrieval when the two modalities are already well aligned. We propose GATE-3D, a lightweight query-adaptive reranking method that incorporates geometry without retraining the retrieval backbone. For each query, GATE-3D predicts how much a geometry-aware score should adjust the appearance-based ranking using features that capture disagreement between the two modalities. This selective design lets geometry contribute where it helps and stay silent where it would hurt. Experiments on three open-set 3D retrieval benchmarks show that GATE-3D improves over appearance-only retrieval and is more robust than always-on fusion. On the primary benchmark, it improves mAP@10 by 2.00 points over appearance-only retrieval (p=0.041); it also improves leave-one-category-out generalization and reduces geometric false positives by 10.8%. GATE-3D achieves competitive zero-shot results against DAC-based baselines. We further find that simple linear routing is more effective than a small MLP in the low-data regime, suggesting that cross-modal disagreement features matter more than model capacity for adaptive routing.
Abstract（参考訳）: 大規模な事前訓練された視覚モデルでは、外観に基づく3次元形状の検索が大幅に改善されているが、幾何学的に異なる形状の形状を混同している。幾何学的特徴はこれらの誤りを減らすことができるが、幾何と外観の単純な融合は、既に2つのモードが整列しているときに、検索を損なう可能性がある。本稿では,検索バックボーンをリトレーニングすることなく幾何を組み込む軽量なクエリ適応型リグレード手法であるGATE-3Dを提案する。各クエリに対して、GATE-3Dは、2つのモード間の不一致をキャプチャする機能を使用して、幾何認識スコアが外観ベースのランキングをどの程度調整すべきかを予測する。この選択的なデザインは、幾何学が役に立つ場所に貢献し、傷つく場所を静かにすることを可能にする。 3つのオープンセット3D検索ベンチマークの実験により、GATE-3Dは外見のみの検索よりも改善され、常に融合するよりも堅牢であることが示された。一次ベンチマークでは、外見のみの検索よりもmAP@10を2.00ポイント改善し(p=0.041)、左一階落の一般化を改善し、幾何学的偽陽性を10.8%削減する。 GATE-3DはDACベースのベースラインと競合するゼロショット結果を得る。さらに、単純な線形ルーティングは、低データ方式の小さなMLPよりも有効であることが分かり、適応ルーティングのモデル容量よりも、クロスモーダルな不一致が重要であることが示唆された。

関連論文リスト

QuerySplat: Decoupling Geometry and Appearance Representations in 3DGS Prediction [25.05567017307621]
textbfQuerySplatは、幾何学的先行と明示的な外見の疎結合によって駆動されるフィードフォワード3DGSフレームワークである。実験によると、QuerySplatは初期のクエリベースのモデルの曖昧なレンダリング問題を緩和する。挑戦的なDL3DVベンチマークでは、ポーズフリーでポーズ要求のベースラインよりも平均2.30dBと1.04dBのPSNRゲインを持つ最先端の新規ビュー合成性能を達成している。
論文参考訳（メタデータ） (2026-08-02T12:12:02Z)
Shape: A Self-Supervised 3D Geometry Foundation Model for Industrial CAD Analysis [0.19116784879310025]
産業CADは、精度と説明可能性をサポートする堅牢で一般化可能な3D表現を必要とする。表面メッシュを高密度のトーケン埋め込みに変換する自己教師型基礎モデルであるShapeを導入する。
論文参考訳（メタデータ） (2026-04-19T11:59:36Z)
3D-Fixer: Coarse-to-Fine In-place Completion for 3D Scenes from a Single Image [26.04490259188974]
合成3Dシーン生成のための新しいインプレース・コンプリート・パラダイムである3D-Fixerを紹介する。明示的なポーズアライメントを必要とする以前の作品とは異なり、3D-Fixerはレイアウトの忠実さを維持するために空間アンカーとして断片化された幾何学を使用している。これまでで最大のシーンレベルのデータセットであるARSG-110Kについて述べる。
論文参考訳（メタデータ） (2026-04-06T04:11:09Z)
Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video [76.32954467706581]
本稿では,生のビデオストリームからGEometric foundationモデルのスケーラブル適応を行うフレームワークであるSAGEを提案する。階層的なマイニングパイプラインを使用して、ビデオをトレーニングトラジェクトリやハイブリッド監視に変換します。実験の結果、SAGEはゼロショットの一般化を著しく向上し、チェムファー距離を20-42%削減した。
論文参考訳（メタデータ） (2026-02-08T09:53:21Z)
GeoPurify: A Data-Efficient Geometric Distillation Framework for Open-Vocabulary 3D Segmentation [57.8059956428009]
2次元視覚言語モデルから3次元セマンティックセグメンテーションへ機能を移行しようとする最近の試みは、永続的なトレードオフを露呈している。 3次元教師モデルから抽出した幾何学的事前情報を用いて2次元VLM生成した3次元点特徴に小さな学生親和性ネットワークを適用したGeoPurifyを提案する。遅延幾何学情報と学習された親和性ネットワークから恩恵を受けることで、GeoPurifyはトレードオフを効果的に軽減し、優れたデータ効率を実現する。
論文参考訳（メタデータ） (2025-10-02T16:37:56Z)
Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
論文参考訳（メタデータ） (2025-09-18T13:45:08Z)
DiMeR: Disentangled Mesh Reconstruction Model [29.827345186012558]
DiMeRは、疎視メッシュ再構成のための3次元監視を備えた、幾何学的・テクスチュアなアンタングルフィードフォワードモデルである。性能/コストの低いモジュールを排除し,正規化損失を再設計し,メッシュ抽出のアルゴリズムを効率化する。大規模な実験により、DiMeRはスパースビュー、シングルイメージ、テキストから3Dタスクにまたがって一般化し、ベースラインを一貫して上回ることを示した。
論文参考訳（メタデータ） (2025-04-24T15:39:20Z)
Geometry-Aware Score Distillation via 3D Consistent Noising and Gradient Consistency Modeling [31.945761751215134]
我々は,3次元一貫したノイズ発生,幾何に基づく勾配のゆらぎ,新しい勾配のゆらぎの損失を導入する。我々は,テキスト・ツー・3次元生成タスクにおける幾何学的不整合を最小限のコストで解決し,既存のスコア蒸留モデルとの整合性を実現した。
論文参考訳（メタデータ） (2024-06-24T14:58:17Z)
3D Geometry-aware Deformable Gaussian Splatting for Dynamic View Synthesis [49.352765055181436]
動的ビュー合成のための3次元幾何学的変形可能なガウススメッティング法を提案する。提案手法は,動的ビュー合成と3次元動的再構成を改良した3次元形状認識変形モデリングを実現する。
論文参考訳（メタデータ） (2024-04-09T12:47:30Z)
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)
Hard Example Generation by Texture Synthesis for Cross-domain Shape Similarity Learning [97.56893524594703]
画像に基づく3次元形状検索(IBSR)は、与えられた2次元画像の対応する3次元形状を、大きな3次元形状データベースから見つけることを目的としている。いくつかの適応技法によるメートル法学習は、類似性学習を形作るための自然な解決策のようです。テクスチャ合成を応用した幾何中心の多視点メトリック学習フレームワークを開発した。
論文参考訳（メタデータ） (2020-10-23T08:52:00Z)

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。