論文の概要: MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2607.24436v1
• Date: Mon, 27 Jul 2026 13:45:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.445805
• Title: MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction
• Title（参考訳）: MSVS-VAE:高忠実度3次元再構成のためのマルチスケールアンコールベクセット
• Abstract要約: 我々は,この忠実度ギャップをコンパクトさを犠牲にすることなく閉鎖する階層的集合ベースVAEであるMSVS-VAEを提案する。 我々のキーとなる考え方は、階層的な点シャッフルアップサンプリングにより、固定されたVecSet潜伏剤を徐々に密度化し、微細な幾何学モデリングのための空間容量を増大させることである。 生成ベンチマーク、ABO、およびその内部ベンチマークに関する大規模な実験は、MSVS-VAEが、以前のセットベースおよびボクセルベースのVAEよりも一貫して優れており、以前のセットベースメソッドよりも約10倍高速なデコードを提供し、ボクセルベースの約10倍のコンパクト性を提供することを示した。
• 参考スコア（独自算出の注目度）: 39.69838180175452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity 3D generative modeling increasingly relies on the latent diffusion paradigm, where the reconstruction quality of the underlying 3D VAE becomes a primary bottleneck. Existing approaches largely follow two paradigms: sparse voxel-based representations achieve strong reconstruction quality but incur significant memory and computational overhead, while set-based representations are compact and continuous yet typically lag in fidelity due to latent sparsity and excessive global smoothness. We propose MSVS-VAE, a hierarchical set-based VAE that closes this fidelity gap without sacrificing compactness. Our key idea is to progressively densify anchored VecSet latents via hierarchical point-shuffle upsampling, increasing spatial capacity for fine-grained geometry modeling. To efficiently decode from the densified hierarchy, we replace global cross-attention with AVS-Conv, a geometry-aware local aggregation operator operating within local neighborhoods rather than the exhaustive latent set. We further introduce multi-scale query decoding to fuse coarse-to-fine latent features, where coarse scales provide stable global context, and fine scales refine localized geometry, reducing artifacts from overly local receptive fields. Extensive experiments on Objaverse, ABO, and in-the-wild benchmarks demonstrate that MSVS-VAE consistently outperforms prior set-based and voxel-based VAEs, delivering approximately 10x faster decoding than prior set-based methods and approximately 10x higher compactness than voxel-based baselines.
• Abstract（参考訳）: 高忠実度3D生成モデリングは、基礎となる3D VAEの再構成品質が主要なボトルネックとなる潜在拡散パラダイムにますます依存している。 スパースボクセルに基づく表現は強い再構成品質を実現するが、メモリと計算のオーバーヘッドは大きいが、セットベースの表現はコンパクトで連続的であり、一般的には不規則な空間と過度の大域的滑らかさによる忠実さの遅延である。 我々は,この忠実度ギャップをコンパクトさを犠牲にすることなく閉鎖する階層的集合ベースVAEであるMSVS-VAEを提案する。 我々のキーとなる考え方は、階層的な点シャッフルアップサンプリングにより、固定されたVecSet潜伏剤を徐々に密度化し、微細な幾何学モデリングのための空間容量を増大させることである。 密度階層から効率的に復号化するために、グローバルなクロスアテンションをAVS-Convに置き換える。 さらに、粗いスケールが安定したグローバルコンテキストを提供し、微粒なスケールで局所化幾何学を洗練させ、過度に局所的な受容場からのアーティファクトを削減できるような、粗いから細い潜在機能を融合するためのマルチスケールクエリデコーディングも導入する。 Objaverse, ABO, in-the-wildベンチマークの大規模な実験により、MSVS-VAEは、以前のセットベースおよびボクセルベースのVAEよりも一貫して優れており、以前のセットベースメソッドよりも約10倍高速なデコードを提供し、ボクセルベースのベースラインよりも約10倍コンパクトであることが示された。

関連論文リスト

• FLUX3D: High-Fidelity 3D Gaussian Generation with Diffusion-Aligned Sparse Representation [48.928051741750124]
  本稿では,画像から3DGSまでのスケーラブルなフレームワークを提案し,生成時の表現学習と相互モーダルアライメントを向上する。 FLUX3Dは外観の忠実さを大幅に改善し、高品質な3DGSの資産を生み出すのに最先端(SOTA)の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-23T17:52:21Z)
• LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
  アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。 本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。 実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
  論文  参考訳（メタデータ） (2026-03-30T13:39:35Z)
• TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification [44.632513151214084]
  TopoMeshは、GTと予測メッシュを、共有デュアルマーチングキューブ(DMC)トポロジフレームワークで統合した、スパースボクセルベースのVAEである。 我々のデコーダは同じDMCフォーマットでメッシュを出力し、予測とターゲットのメッシュが同じトポロジ構造を共有することを保証します。 大規模な実験により、TopoMeshは再建忠実度において既存のVAEを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2026-03-25T13:10:34Z)
• VLMFusionOcc3D: VLM Assisted Multi-Modal 3D Semantic Occupancy Prediction [0.0]
  VLMFusionOcc3Dは、自律運転における高密度な3Dセマンティック占有率予測のための堅牢なマルチモーダルフレームワークである。 我々は,車両メタデータと気象条件付きプロンプトを利用した動的ゲーティング機構であるWeather-Aware Adaptive Fusionを導入する。 我々のアプローチは、複雑な都市ナビゲーションのためのスケーラブルで堅牢なソリューションを提供するため、挑戦的な気象シナリオにおいて、大幅な改善を実現している。
  論文  参考訳（メタデータ） (2026-03-03T05:22:28Z)
• LATTICE: Democratize High-Fidelity 3D Generation at Scale [27.310104395842075]
  LATTICEは高忠実度3Dアセット生成のための新しいフレームワークである。 VoxSetは、3Dの資産を粗いボクセル格子に固定された潜在ベクトルのコンパクトな集合に圧縮する半構造化表現である。 提案手法のコアは単純だが,任意の解像度復号化,低コストトレーニング,フレキシブル推論スキームをサポートする。
  論文  参考訳（メタデータ） (2025-11-24T03:22:19Z)
• SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
  我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
  論文  参考訳（メタデータ） (2025-11-21T16:32:01Z)
• Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
  我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。 本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。 実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T16:18:32Z)
• HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
  HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。 HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
  論文  参考訳（メタデータ） (2025-09-29T15:03:31Z)
• H3R: Hybrid Multi-view Correspondence for Generalizable 3D Reconstruction [39.22287224290769]
  H3Rは、潜在融合と注目に基づく機能集約を統合するハイブリッドフレームワークである。 両パラダイムを統合することで,既存手法よりも2$times$高速に収束しながら,一般化が促進される。 本手法は,ロバストなクロスデータセットの一般化を実証しながら,可変数および高分解能な入力ビューをサポートする。
  論文  参考訳（メタデータ） (2025-08-05T05:56:30Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)

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。