論文の概要: Engine-Native Editable 3D World Reconstruction with Objects and Lighting
- arxiv url: http://arxiv.org/abs/2607.20889v1
- Date: Thu, 23 Jul 2026 03:26:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.269498
- Title: Engine-Native Editable 3D World Reconstruction with Objects and Lighting
- Title（参考訳）: 物体と照明を用いたエンジンネイティブ編集可能な3次元世界再構成
- Abstract要約: 一つの画像から光を認識可能な3Dシーン解析のためのベンチマークおよび参照パイプラインであるLumeraを紹介する。
Lumare-2Kは2,513のUE5プロジェクトから作られ、3.73Mのコンポーネント、63Mのオブジェクトインスタンス、102.6Kのエンジンネイティブパラメトリックライト、95.1Kのカメラビューを提供する。
光に関しては、Lumera-Lightはほとんど空でないシーンを回復するが、個々の光のローカライゼーションには制限がある。
- 参考スコア（独自算出の注目度）: 23.20897986539641
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Editable 3D scene creation requires object instances and lights that can be inspected, moved, and imported into standard engines, yet existing single-image methods largely stop at room-scale geometry, baked/global illumination, or text-driven generation. We introduce Lumera (Light-aware Unified Engine-native Reconstruction and Assembly), a benchmark and reference pipeline for engine-native, light-aware 3D scene parsing from a single image. Lumera-2K is built from 2,513 UE5 projects and provides 3.73M components, 63M object instances, 102.6K engine-native parametric lights, and 95.1K camera views. On this data, Lumera-Box and Lumera-Light adapt VLM to parse object boxes and parametric light tuples (x,y,z,r,g,b,I), which are assembled with per-object mesh reconstruction, HDR environment estimation, and a bounded agentic refinement loop. In a sanitized box benchmark against DetAny3D, SpatialLM, N3D-VLM, and WildDet3D, Lumera-Box obtains the strongest overall detection, geometry, semantic, and layout scores (merged mAP 0.1141, IoU-B 0.2472, F-score 0.2762), while WildDet3D remains stronger on anchor recall. For lights, Lumera-Light recovers almost all non-empty scenes (recall 0.998) but remains limited at individual-light localization (F1 0.209 at 0.5 m); matched lights have median position error 0.261 m, median ΔE2000 4.59, and intensity Pearson r=0.628. These results establish parametric lights as a measurable editable-scene target and expose remaining bottlenecks in relation structure, light recall/intensity, and cross-engine generalization.
- Abstract（参考訳）: 編集可能な3Dシーン作成には、検査、移動、標準エンジンへのインポートが可能なオブジェクトインスタンスとライトが必要であるが、既存のシングルイメージの手法は、部屋の大きさの幾何学、焼成/グロバル照明、あるいはテキスト駆動による生成で主に停止する。
一つの画像から解析するエンジンネイティブで軽量な3Dシーンのベンチマークと参照パイプラインであるLumera(Light-aware Unified Engine-native Reconstruction and Assembly)を紹介した。
Lumera-2Kは2,513のUE5プロジェクトから作られ、3.73Mのコンポーネント、63Mのオブジェクトインスタンス、102.6Kのエンジンネイティブパラメトリックライト、95.1Kのカメラビューを提供する。
このデータに基づいて、Lumera-Box と Lumera-Light はオブジェクトボックスとパラメトリックライトタプル (x,y,z,r,g,b,I) を解析するために VLM を適応させる。
DetAny3D、SpatialLM、N3D-VLM、WildDet3Dに対する衛生化ボックスベンチマークでは、Lumera-Boxはアンカーリコール時に最も強力な総合的な検出、幾何学、意味、レイアウトスコア(mAP 0.1141、IoU-B 0.2472、F-score 0.2762)を取得する。
照明に関しては、ほとんどすべての空でないシーン(0.998をリコールする)を回復するが、個々の光のローカライゼーション(F1 0.209 at 0.5 m)では制限が残っており、マッチした光は中位誤差0.261 m、中位ΔE2000 4.59、強度Pearson r=0.628を持つ。
これらの結果は、パラメトリック光を測定可能な編集可能なシーンターゲットとして確立し、関係構造、光のリコール/インテンシティ、およびクロスエンジンの一般化における残りのボトルネックを明らかにする。
関連論文リスト
- Lucida: Parse, Generate, and Place for Composable Real-to-Sim Scene Modeling [11.305288161442995]
構成可能なシーンモデリングは、実際の屋内シーンを、観察されたように配置された完全な編集可能なオブジェクトアセットとして復元することを目的としている。
Luciaはビデオをシーングラフに解析し、ノードはインスタンスごとのマルチビューのエビデンスを持っている。
Luciaは、マルチターンGUIインタラクションとして配置するVLMポリシーであるGizmoActで資産を配置する。
論文 参考訳（メタデータ） (2026-08-31T14:03:20Z) - LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
光ハーモニー3D(LightHarmony3D)について述べる。
繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。
3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
論文 参考訳（メタデータ） (2026-03-31T03:26:30Z) - DrivePI: Spatial-aware 4D MLLM for Unified Autonomous Driving Understanding, Perception, Prediction and Planning [94.62097655403683]
本稿では,ビジョン・ランゲージ・アクション統合フレームワークとして機能する空間認識型4次元MLLMであるDrivePIを提案する。
提案手法は,空間的理解,3次元知覚,予測(占有フロー),計画(行動出力)を並列に行う。
MLLMのバックボーンとして0.5BのQwen2.5モデルしか持たず、単一の統一モデルとしてのDrivePIは既存のVLAモデルと特殊VAモデルの両方を上回るか、あるいは超える。
論文 参考訳（メタデータ） (2025-12-14T18:45:54Z) - 3D-MOOD: Lifting 2D to 3D for Monocular Open-Set Object Detection [62.57179069154312]
最初のエンドツーエンド3Dモノクロオープンセットオブジェクト検出器(3D-MOOD)を紹介する。
私たちはオープンセットの2D検出を設計した3Dバウンディングボックスヘッドを通して3D空間に持ち上げます。
対象クエリを事前に幾何学的に条件付けし,様々な場面で3次元推定の一般化を克服する。
論文 参考訳（メタデータ） (2025-07-31T13:56:41Z) - RaySt3R: Predicting Novel Depth Maps for Zero-Shot Object Completion [49.933001840775816]
RaySt3Rは、新しいビュー合成問題として、3D形状の完成をリキャストする。
フィードフォワード変換器をトレーニングし、深度マップ、オブジェクトマスク、およびクエリ線に対する画素ごとの信頼スコアを予測する。
RaySt3Rは、これらの予測を複数のクエリビューに融合して、完全な3D形状を再構築する。
論文 参考訳（メタデータ） (2025-06-05T17:43:23Z) - Rooms from Motion: Un-posed Indoor 3D Object Detection as Localization and Mapping [8.332670136772558]
我々は,シーンレベルの3Dオブジェクト検出を,ローカライズとマッピングの両方が可能なオブジェクト中心フレームワークの出力として再考する。
画像由来の3Dボックスをベースとした標準の2Dキーポイントベースのマーカをオブジェクト中心のマーカに置き換えることで、計測カメラのポーズ、オブジェクトトラックを推定し、最終的にグローバルなセマンティックな3Dオブジェクトマップを生成する。
論文 参考訳（メタデータ） (2025-05-29T17:59:45Z) - VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding [57.04804711488706]
3Dビジュアルグラウンドティングはロボットにとって不可欠であり、自然言語と3Dシーン理解を統合する必要がある。
VLM-Grounderは視覚言語モデル(VLM)を用いて2次元画像のみに基づくゼロショット3次元視覚グラウンドティングを行う新しいフレームワークである。
論文 参考訳（メタデータ） (2024-10-17T17:59:55Z) - RGM: Reconstructing High-fidelity 3D Car Assets with Relightable 3D-GS Generative Model from a Single Image [30.049602796278133]
高品質な3Dカーアセットは、ビデオゲーム、自動運転、バーチャルリアリティーなど、さまざまなアプリケーションに欠かせない。
3Dオブジェクトの表現としてNeRFや3D-GSを利用する現在の3D生成法は、固定照明下でランベルティアンオブジェクトを生成する。
単一入力画像から3Dカー資産を自動生成する新しい3Dオブジェクト生成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-10T17:54:03Z) - RayMVSNet++: Learning Ray-based 1D Implicit Fields for Accurate
Multi-View Stereo [21.209964556493368]
RayMVSNetは、シーン深度を示すゼロクロスポイントを用いて、各カメラ線に沿った1次元暗黙フィールドの逐次予測を学習する。
RayMVSNet++はScanNetデータセット上で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-07-16T02:10:47Z) - DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object
Detection and Tracking [67.34803048690428]
本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。
DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。
フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
論文 参考訳（メタデータ） (2023-03-29T12:33:55Z) - LUCES: A Dataset for Near-Field Point Light Source Photometric Stereo [30.31403197697561]
LUCESは, 様々な素材の14個のオブジェクトからなる, 近距離Ld点光のための最初の実世界のデータセットである。
52個のLEDを計る装置は、カメラから10から30cm離れた位置にある各物体に点灯するように設計されている。
提案するデータセットにおける最新の近接場測光ステレオアルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-04-27T12:30:42Z)
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。