論文の概要: GOPI: Generation-Oriented 3D Pose Inference for Furniture Insertion from Single-View RGB-D Indoor Scenes

• arxiv url: http://arxiv.org/abs/2608.06836v1
• Date: Fri, 07 Aug 2026 05:54:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.372971
• Title: GOPI: Generation-Oriented 3D Pose Inference for Furniture Insertion from Single-View RGB-D Indoor Scenes
• Title（参考訳）: GOPI:単視点RGB-D屋内シーンからの家具挿入のための世代指向3次元ポス推定
• Abstract要約: 室内シーン画像に新しい家具を挿入する問題について検討する。 マスク付きシングルビュー2D画像平面条件付けでは、シーンに対する挿入家具の物理的スケールを一意に決定できない。 我々は3次元ポーズ推論と幾何誘導画像生成の組み合わせでタスクを再構築する。
• 参考スコア（独自算出の注目度）: 55.50433346262017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of inserting new furniture into indoor scene images. Under masked single-view 2D image-plane conditioning, however, the physical scale of the inserted furniture relative to the scene cannot be uniquely determined, making physically grounded furniture placement underdetermined from image evidence alone. We therefore reformulate the task as a combination of 3D pose inference and geometry-guided image generation, where estimating a geometrically plausible 3D placement is essential for reliable synthesis. To this end, we propose a two-stage framework. For 3D placement, we introduce GOPI, a generation-oriented 3D pose inference framework that addresses the underdetermined nature of single-view furniture insertion through data-driven iterative inference, producing geometrically plausible object placements. For image generation, we develop a geometry-guided conditioning strategy that projects the inferred 3D pose into the image plane as a pixel-aligned constraint, enforcing consistency between the synthesized image and the underlying 3D geometry. Experimental results validate the proposed framework from both 3D pose estimation and image synthesis perspectives. For 3D placement, GOPI produces poses with stronger geometric feasibility and better consistency with reference layouts than direct regression and vanilla baselines. For image synthesis, our method preserves alignment with the projected 3D geometry across different furniture scales, showing stable projection-generation alignment across the tested furniture scales.
• Abstract（参考訳）: 室内シーン画像に新しい家具を挿入する問題について検討する。 しかし、マスク付き単視2次元画像平面条件下では、シーンに対する挿入家具の物理的スケールが一意に決定できないため、画像証拠だけでは、物理的に接地された家具配置が決定できない。 そこで我々は,3次元ポーズ推定と幾何誘導画像生成の組み合わせでタスクを再構成し,幾何学的に妥当な3次元配置を推定することは,信頼性の高い合成に不可欠である。 そこで本研究では,2段階のフレームワークを提案する。 GOPIは,データ駆動反復推論による単一視点家具挿入の過小評価に対処し,幾何学的に妥当な物体配置を生成する,世代指向の3次元ポーズ推論フレームワークである。 画像生成のために,推定された3次元ポーズを画素整列制約として画像平面に投影し,合成画像と基礎となる3次元幾何との整合性を強制する幾何誘導条件付け戦略を開発する。 実験により3次元ポーズ推定と画像合成の両視点から提案した枠組みを検証した。 3D配置では、GOPIは、直接回帰やバニラベースラインよりも、より強力な幾何学的実現可能性と参照レイアウトとの整合性を備えたポーズを生成する。 画像合成では, 異なる家具スケールで投影された3次元形状とのアライメントを保ち, 試験された家具スケールで安定なプロジェクション生成アライメントを示す。

関連論文リスト

• SeeSE3: Emergence of 3D Space in Vision Features [54.140615953727355]
  視覚特徴空間の構造とユークリッド変換群$SE(3)$の関係について検討する。 本研究は、3次元ユークリッド空間と非常に強く相関する潜在部分空間を有する自己監督型視覚モデルについて,原理的に3次元の直接監督やアクティブエージェンシーの訓練を受けていないことを示す。 本稿では,視覚計測と局所化を潜在空間で純粋に行う「潜時空間ナビゲーション」技術について,明示的な3次元再構成の必要性を回避して提案する。
  論文  参考訳（メタデータ） (2026-07-15T18:00:31Z)
• Pose-Aware Diffusion for 3D Generation [27.05951575490971]
  Pose-Aware Diffusion (PAD)は、観測空間内で直接3次元幾何学を合成する新しいエンドツーエンド拡散フレームワークである。 PADは最先端の手法よりも優れた幾何学的アライメントと画像から3D対応を実現している。
  論文  参考訳（メタデータ） (2026-05-01T02:05:28Z)
• Interact3D: Compositional 3D Generation of Interactive Objects [31.12099147294145]
  本稿では,3次元合成オブジェクト間の相互作用を物理的に妥当に生成する新しいフレームワークを提案する。 当社のアプローチは、まず先進的な先進的な先進的手法を活用して、高品質な個人資産をキュレートする。 これらの資産を物理的に構成するために、ロバストな2段階合成パイプラインを導入する。
  論文  参考訳（メタデータ） (2026-03-17T03:21:06Z)
• Drag4D: Align Your Motion with Text-Driven 3D Scene Generation [77.79131321983677]
  Drag4Dはインタラクティブなフレームワークで、テキスト駆動の3Dシーン生成にオブジェクトの動き制御を統合する。 このフレームワークにより、ユーザーは単一の画像から生成された3Dオブジェクトに対して3Dトラジェクトリを定義し、それらを高品質な3D背景にシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-09-26T05:23:45Z)
• Constructing a 3D Scene from a Single Image [31.11317559252235]
  SceneFuse-3Dは、単一のトップダウンビューからコヒーレントな3Dシーンを合成するために設計されたトレーニング不要のフレームワークである。 入力画像を重なり合う領域に分解し、事前訓練された3Dオブジェクトジェネレータを用いてそれぞれを生成する。 このモジュラー設計により、3次元の監督や微調整を必要とせず、解像度のボトルネックを克服し、空間構造を維持できる。
  論文  参考訳（メタデータ） (2025-05-21T17:10:47Z)
• HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation [50.206100327643284]
  HiSceneは、2D画像生成と3Dオブジェクト生成のギャップを埋める新しい階層的なフレームワークである。 構成構造を維持しながら2次元表現に整合した3次元コンテンツを生成する。
  論文  参考訳（メタデータ） (2025-04-17T16:33:39Z)
• FLARE: Feed-forward Geometry, Appearance and Camera Estimation from Uncalibrated Sparse Views [100.45129752375658]
  FLAREは、高品質カメラのポーズと3次元幾何を、補正されていないスパースビュー画像から推定するために設計されたフィードフォワードモデルである。 本ソリューションでは,3次元構造を2次元画像平面にマッピングする上で,カメラポーズが重要なブリッジとして機能するケースケード学習パラダイムを特徴とする。
  論文  参考訳（メタデータ） (2025-02-17T18:54:05Z)
• LIST: Learning Implicitly from Spatial Transformers for Single-View 3D Reconstruction [5.107705550575662]
  Listは、局所的およびグローバルな画像特徴を活用して、単一の画像から3Dオブジェクトの幾何学的および位相的構造を再構築する、新しいニューラルネットワークである。 合成画像と実世界の画像から3Dオブジェクトを再構成する際のモデルの有用性を示す。
  論文  参考訳（メタデータ） (2023-07-23T01:01:27Z)
• CC3D: Layout-Conditioned Generation of Compositional 3D Scenes [49.281006972028194]
  本稿では,複雑な3次元シーンを2次元セマンティックなシーンレイアウトで合成する条件生成モデルであるCC3Dを紹介する。 合成3D-FRONTと実世界のKITTI-360データセットに対する評価は、我々のモデルが視覚的および幾何学的品質を改善したシーンを生成することを示す。
  論文  参考訳（メタデータ） (2023-03-21T17:59:02Z)
• Structured 3D Features for Reconstructing Controllable Avatars [43.36074729431982]
  パラメトリックな統計的メッシュ表面からサンプリングされた高密度な3次元点に画素整列画像特徴をプールする,新しい暗黙の3次元表現に基づくモデルであるStructured 3D Featuresを紹介する。 本研究では,S3Fモデルがモノクロ3D再構成やアルベド,シェーディング推定など,これまでの課題を超越していることを示す。
  論文  参考訳（メタデータ） (2022-12-13T18:57:33Z)

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。