論文の概要: EditFlow3D: Automated Local Editing of 3D Assets with Trajectory Preservation

• arxiv url: http://arxiv.org/abs/2608.03179v1
• Date: Tue, 04 Aug 2026 06:16:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.058859
• Title: EditFlow3D: Automated Local Editing of 3D Assets with Trajectory Preservation
• Title（参考訳）: EditFlow3D: 軌道保存による3Dアセットの自動ローカル編集
• Abstract要約: ローカル3D編集のためのトレーニングフリーフレームワークであるEditFlow3Dを提案する。 ソースアセットと編集命令が与えられた場合、VLM駆動のワークフローは編集意図を解釈する。 マスク誘導微分フローは、対象領域の編集に焦点を当てる。 ステップワイズ軌道保存は、非ターゲット領域とソースアセットとの整合性を維持する。
• 参考スコア（独自算出の注目度）: 21.575142861728636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Controllable local editing of 3D assets requires precise target localization and appropriate visual guidance. However, existing methods lack a simple yet accurate way to obtain 3D masks and struggle to achieve the desired edit while faithfully preserving the structure and appearance of non-target regions. To address these challenges, we present EditFlow3D, a training-free framework for local 3D editing. Given a source asset and an edit instruction, a VLM-driven workflow interprets the editing intent and automatically constructs a visual guidance image and a refined 3D editing mask, enabling localized editing in the native representation space of a pretrained 3D generative model. Specifically, mask-guided differential flow focuses the edit on the target region, while step-wise trajectory preservation maintains consistency between non-target regions and the source asset without directly replacing intermediate features. Since the existing Edit3D-Bench covers only a limited range of local editing categories, we further introduce EditFlow-Bench as a complementary benchmark encompassing a broader variety of structural and appearance edits, and evaluate EditFlow3D on both benchmarks. Quantitative results, qualitative comparisons, and a user study demonstrate that EditFlow3D achieves more accurate target-region editing and better preserves non-target regions than existing 3D editing methods.
• Abstract（参考訳）: 制御可能な3Dアセットの局所的な編集には、正確なターゲットのローカライゼーションと適切な視覚的ガイダンスが必要である。 しかし、既存の手法では、3Dマスクを得るためのシンプルで正確な方法が欠けており、非ターゲット領域の構造と外観を忠実に保存しながら、望ましい編集を達成するのに苦労している。 これらの課題に対処するため,ローカル3D編集のためのトレーニングフリーフレームワークであるEditFlow3Dを提案する。 ソース資産と編集命令が与えられた後、VLM駆動のワークフローは、編集意図を解釈し、視覚誘導画像と洗練された3D編集マスクを自動的に構築し、事前訓練された3D生成モデルのネイティブ表現空間における局所的な編集を可能にする。 具体的には、マスク誘導微分フローは対象領域の編集に焦点を当て、ステップワイズ軌道保存は中間特徴を直接置き換えることなく、非ターゲット領域とソースアセットとの整合性を維持する。 既存のEdit3D-Benchは、限定的なローカル編集カテゴリのみをカバーするため、より広範な構造的および外観的な編集を含む補完的なベンチマークとしてEditFlow-Benchを導入し、両方のベンチマークでEditFlow3Dを評価する。 定量的な結果,質的比較,ユーザスタディにより,EditFlow3Dは既存の3D編集方法よりも正確なターゲット領域編集を実現し,非ターゲット領域の保存性が向上することが示された。

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)
• Feedforward 3D Editing Learns from Semantic-Part Transformation [13.61340944347895]
  フィードフォワード3D編集における中心的な課題は、高品質なペア管理の欠如にある。 スケーラブルなフィードフォワード3D編集はセマンティック部分変換から学習されるべきである。 PartFlowはフィードフォワード3D編集ネットワークで、ソース認識の潜伏制御を事前訓練された3D生成先行に注入する。
  論文  参考訳（メタデータ） (2026-05-26T17:51:59Z)
• Beyond Voxel 3D Editing: Learning from 3D Masks and Self-Constructed Data [40.44238807341562]
  3D編集では、プロンプトに従って局所的な変更を実行することでセマンティック一貫性を維持する必要がある。 本研究では,3D編集に適した大規模データセットを自己構築したBeyond Voxel 3D Editing (BVE) フレームワークを提案する。 BVEは、原入力の視覚的特性を忠実に保持しつつ、高品質でテキスト整列した3Dアセットを生成する上で、優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-04-15T10:10:27Z)
• CEI-3D: Collaborative Explicit-Implicit 3D Reconstruction for Realistic and Fine-Grained Object Editing [51.73433734209541]
  既存の3D編集手法は、再構成ネットワークの深い統合性のために、非現実的で未精細な結果をもたらすことが多い。 本稿では,現実的できめ細かな編集を容易にするための,編集指向の再構築パイプラインであるCEI-3Dを紹介する。 提案手法は,最新技術(SOTA)手法よりも,よりリアルできめ細かな編集結果を実現すると同時に,編集時間を短縮する。
  論文  参考訳（メタデータ） (2026-03-12T11:15:11Z)
• Vinedresser3D: Agentic Text-guided 3D Editing [26.81659566314386]
  Vinedresser3Dは高品質なテキスト誘導3D編集のためのエージェントフレームワークである。 ネイティブな3D生成モデルの潜在空間で直接動作する。 多様な3D編集の実験では、Vinedresser3Dは自動メトリクスと人間の嗜好の両方において、以前のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2026-02-23T06:30:36Z)
• 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)
• 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)
• EditRoom: LLM-parameterized Graph Diffusion for Composable 3D Room Layout Editing [114.14164860467227]
  自然言語コマンドで様々なレイアウト編集を実行できるフレームワークであるEditRoomを提案する。 特にEditRoomは、コマンドプランニングとターゲットシーンの生成にLarge Language Models(LLM)を利用している。 既存の3Dシーンデータセットを拡張する自動パイプラインを開発し,83kの編集ペアを備えた大規模データセットであるEditRoom-DBを導入した。
  論文  参考訳（メタデータ） (2024-10-03T17:42:24Z)
• TIP-Editor: An Accurate 3D Editor Following Both Text-Prompts And Image-Prompts [119.84478647745658]
  TIPEditorは、テキストと画像プロンプトの両方を受け入れる3Dシーン編集フレームワークであり、編集領域を指定するための3Dバウンディングボックスである。 TIP-Editorはテキストと画像のプロンプトに従って、指定されたバウンディングボックス領域で正確な編集を行うことを示した。
  論文  参考訳（メタデータ） (2024-01-26T12:57:05Z)

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。