論文の概要: Look Before You Edit: Attention-Guided Camera Placement and Multi-View Alignment for 3D Gaussian Splatting Editing

• arxiv url: http://arxiv.org/abs/2607.19777v1
• Date: Wed, 22 Jul 2026 05:51:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.986827
• Title: Look Before You Edit: Attention-Guided Camera Placement and Multi-View Alignment for 3D Gaussian Splatting Editing
• Title（参考訳）: 3Dガウス写真編集のための注意ガイド付きカメラ配置とマルチビューアライメント
• Abstract要約: 本稿では,3Dシーン編集における2つの問題に対処するフレームワークであるLB-Editを提案する。 まず、注意誘導カメラ配置(ACP)は、拡散モデルの自己および横断的な位置を複数の候補カメラ距離で探索する。 第二に、マルチビューアテンションアライメント(MAA)は、2つの軸に沿ってビューをまたいで同じ編集を行う。
• 参考スコア（独自算出の注目度）: 14.247102544387118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-driven 3D scene editing with 3D Gaussian Splatting (3DGS) typically applies a 2D diffusion editor to views rendered from fixed training cameras, limiting both the spatial coverage of edits and the user's freedom to target specific objects in complex scenes. We present LB-Edit, a framework that addresses two coupled problems: where to place editing cameras for localized edits, and how to make per-view edits agree with one another so that the 3D scene remains consistent after fine-tuning. First, Attention-Guided Editing Camera Placement (ACP) probes the diffusion model's self- and cross-attention at multiple candidate camera distances to find where attention is well-contained in the region of interest, then places a compact, geometrically diverse editing camera set at that attention-optimal distance. Second, Multi-view Attention Alignment (MAA) steers the editor toward the same edit across views along two axes: it aligns appearance by sharing self-attention features via token-level correspondence, and aligns spatial location by lifting cross-attention maps onto the 3D Gaussians as a shared 3D attention field, suppressing both appearance and spatial drift. Experiments on multi-object and single-object scenes show that our method achieves the highest user preference in instruction fidelity, multi-view consistency, and editing locality, using as few as 5 editing views and reducing latency by up to 7x over existing methods.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)によるテキスト駆動の3Dシーン編集は、通常、固定されたトレーニングカメラからレンダリングされたビューに2D拡散エディタを適用し、編集の空間的カバレッジと複雑なシーンにおける特定の対象をターゲットするユーザの自由の両方を制限する。 LB-Editは、ローカライズされた編集のための編集カメラの設置場所と、ビュー毎の編集方法の2つの問題に対処するフレームワークである。 まず、注意誘導編集カメラ配置(ACP)は、拡散モデルの自己および横断的注意を複数の候補カメラ距離で探索し、関心領域において注意が適切に保持されている場所を検出し、その注意-最適距離にコンパクトで幾何学的に多様性のある編集カメラを配置する。 第2に、マルチビューアテンションアライメント(MAA)は、2つの軸に沿ってビューをまたいだ同じ編集に向けて編集者を操り、トークンレベルの対応を通して自己認識的特徴を共有することによって外観を整列させ、空間的位置を3次元ガウス空間に持ち上げることで空間的位置を整列させ、外観と空間的ドリフトの両方を抑制する。 複数オブジェクトと単一オブジェクトのシーンにおける実験により,提案手法は命令の忠実度,複数ビューの整合性,局所性の編集において,最大で5つのビューを編集し,既存のメソッドよりも最大7倍の遅延を低減できることがわかった。

関連論文リスト

• EditVerse3D: High-Quality 3D Object Editing with Region-Aware Learning [59.36059865997641]
  粗いガイダンスの下で高品質なオブジェクト編集を可能にする新しい3D編集フレームワークであるEditVerse3Dを提案する。 提案手法は,編集対象の3Dオブジェクトと,対象領域を示す粗い3D境界ボックスと,所望の修正を記述した参照2D画像とを入力として行う。 この編集を容易にするために,学習困難な領域を強調する新しい領域適応損失を導入する。
  論文  参考訳（メタデータ） (2026-07-08T09:21:22Z)
• View-Consistent 3D Scene Editing via Dual-Path Structural Correspondense and Semantic Continuity [11.663455227298122]
  テキスト駆動の3Dシーン編集において、クロスビューの不整合は依然として大きなボトルネックとなっている。 マルチビューで一貫した3D編集を配信の観点から再放送する。 本稿では,プロジェクション誘導型構造誘導とパッチレベルのセマンティックな伝搬からなる二重経路整合性機構を提案する。
  論文  参考訳（メタデータ） (2026-04-20T04:47:15Z)
• Mastering Regional 3DGS: Locating, Initializing, and Editing with Diverse 2D Priors [67.22744959435708]
  3Dセマンティックパーシングは2Dに比べて性能が劣ることが多く、3D空間内でのターゲット操作がより困難になり、編集の忠実さが制限される。 本稿では,2次元拡散編集を利用して各ビューの修正領域を正確に同定し,次に3次元ローカライゼーションのための逆レンダリングを行う。 実験により,提案手法は最新技術の性能を実現し,最大4倍のスピードアップを実現した。
  論文  参考訳（メタデータ） (2025-07-07T19:15:43Z)
• InterGSEdit: Interactive 3D Gaussian Splatting Editing with 3D Geometry-Consistent Attention Prior [3.6657066043195585]
  InterGSEditは、ユーザの好みでキービューをインタラクティブに選択することで、高品質な3DGS編集のための新しいフレームワークである。 我々は,意図融合ネットワーク(AFN)を介して2次元交差注意と融合した3次元制約された注意を得るために,GAP3D$を計画する。
  論文  参考訳（メタデータ） (2025-07-07T13:04:26Z)
• Diffusion-Based Attention Warping for Consistent 3D Scene Editing [55.2480439325792]
  拡散モデルを用いた3次元シーン編集のための新しい手法を提案する。 提案手法は,単一の参照画像から抽出した注目機能を利用して,意図した編集を定義する。 これらの歪んだ特徴を他の視点に注入することで、編集のコヒーレントな伝播を可能にする。
  論文  参考訳（メタデータ） (2024-12-10T23:57:18Z)
• PrEditor3D: Fast and Precise 3D Shape Editing [100.09112677669376]
  本稿では,1つの形状の編集を数分以内に行うことができる3D編集のためのトレーニングフリーアプローチを提案する。 編集された3Dメッシュはプロンプトとよく一致しており、変更を意図していない領域でも同じである。
  論文  参考訳（メタデータ） (2024-12-09T15:44:47Z)
• DGE: Direct Gaussian 3D Editing by Consistent Multi-view Editing [72.54566271694654]
  オープンな言語命令に基づいて3Dオブジェクトやシーンを編集する際の問題点を考察する。 この問題に対する一般的なアプローチは、3D編集プロセスをガイドするために2Dイメージジェネレータまたはエディタを使用することである。 このプロセスは、コストのかかる3D表現の反復的な更新を必要とするため、しばしば非効率である。
  論文  参考訳（メタデータ） (2024-04-29T17:59:30Z)
• View-Consistent 3D Editing with Gaussian Splatting [50.6460814430094]
  View-Consistent Editing (VcEdit)は、3DGSをシームレスに画像編集プロセスに組み込む新しいフレームワークである。 一貫性モジュールを反復パターンに組み込むことで、VcEditはマルチビューの不整合の問題を十分に解決する。
  論文  参考訳（メタデータ） (2024-03-18T15:22:09Z)

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。