論文の概要: ResemBrick: Brick Reconstruction from Photographs with Perceptual Fidelity and Buildability
- arxiv url: http://arxiv.org/abs/2608.09597v1
- Date: Mon, 10 Aug 2026 13:34:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.290552
- Title: ResemBrick: Brick Reconstruction from Photographs with Perceptual Fidelity and Buildability
- Title（参考訳）: ResemBrick: 知覚の忠実度と構築性を備えた写真からのれんが復元
- Abstract要約: ResemBrickは、手作りで色のついた3Dオブジェクトのレンガモデルだ。
離散的な予算限定のボクセルグリッドの下で、ハードな物理的アセンブリ制約を満たす3Dコンテンツを生成する。
一致した予算の下で、ResemBrickは知覚の忠実さで既存のボクセルセレクタを上回っている。
- 参考スコア（独自算出の注目度）: 3.7582283556557017
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Producing a hand-buildable, colored brick model of a 3D object from a few casual photographs is a clean testbed for a broader challenge: generating 3D content that meets hard physical-assembly constraints under a discrete, budget-limited voxel grid. On a coarse lattice, visual resemblance and structural stability pull against each other, yet prior brick pipelines address only one side and treat voxelization as fixed preprocessing rather than a variable to optimize. We present ResemBrick, which couples the two. Budgeted occupancy completion reframes discretization as allocation: given a target occupied-voxel count, a single resolution-conditioned network decides in one feed-forward pass which surface voxels to fill for best appearance, one weight set spanning 13 resolutions. Buildability by construction then combines support- and look-ahead-aware greedy placement with a deterministic, provably terminating repair that grounds every floating component. Under a matched budget, ResemBrick surpasses existing voxel selectors in perceptual fidelity while uniquely reaching zero floating and zero unstable bricks on unfiltered held-out objects; as a complete pipeline, it attains the best perceptual fidelity among prior brick-construction systems. Our results point to treating discretization and assembly as tightly coupled stages rather than independent ones.
- Abstract（参考訳）: カジュアルな写真から3Dオブジェクトの、手作りで色のついたレンガモデルを作るのは、より広い課題のためのクリーンなテストベッドだ。
粗い格子上では、視覚的な類似性と構造的な安定性が互いに引き合わされるが、以前のレンガパイプラインは一方だけに対処し、ボキセル化を最適化する変数ではなく固定前処理として扱う。
私たちはResemBrickを紹介します。
対象の占有ボクセル数が与えられた場合、単一の分解条件付きネットワークは、最も外観に合う表面ボクセルをどのフィードフォワードパスで満たすか、13の解像度にまたがる1つの重量セットを決定する。
建設による建設性は、サポートとルックアヘッド対応の欲求と、すべての浮き部品を接地する決定論的で確実に終了する修理とを組み合わせる。
整合した予算の下では、ResemBrickは既存のボクセルセレクタを知覚的忠実度で上回り、フィルタされていないホールトアウトオブジェクト上の浮動小数点と不安定なブロックをユニークにゼロに到達させる。
以上の結果から,離散化と組立を独立した段階ではなく密結合段階として扱うことが示唆された。
関連論文リスト
- Where the Cost Falls: A Deployment-Aware Adoption Order for Stability Enhancements to Cycle-Consistent Adversarial Networks [0.0]
未ペア画像-画像間翻訳のためのサイクル一貫性のある対向ネットワークは、同じ障害を満たす。
4つの拡張はこれらの障害に対処し、通常は出力品質だけで比較される。
また、コストの落ち方によって大きく分割し、この分割によって、計算やレイテンシーの予算の下で、チームに採用の順序が与えられることも示しています。
論文 参考訳（メタデータ） (2026-08-14T18:29:05Z) - GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。
結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-06-02T17:13:01Z) - VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching [39.72379398607968]
本稿では,全シーンの3次元構造を予測する生成フレームワークであるVolFillを紹介する。
提案手法は, スパース・トランカットされた未符号距離関数格子をコンパクトな潜在空間に圧縮するために, ハイブリッド3次元VOEを用いる。
論文 参考訳（メタデータ） (2026-05-29T15:59:20Z) - OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation [49.49933361280724]
OcclusionFormerは、インスタンスを分離することで、Zオーダーの優先順位を明示的にモデル化する新しいフレームワークです。
また、個別のインスタンスを明示的に監視し、セマンティックな一貫性を高めるクエリアライメント損失を導入します。
提案手法は,重なり合う領域の曖昧さを効果的に低減し,正しい閉塞依存性を強制し,構造的整合性を保ち,様々な場面で精度の高い向上をもたらす。
論文 参考訳（メタデータ） (2026-05-20T16:10:44Z) - Faithful Contouring: Near-Lossless 3D Voxel Representation Free from Iso-surface [49.742538510885]
本稿では,3次元メッシュにおけるほぼロスレスな忠実度を実現するボクセル化表現であるFithful Contouringを提案する。
提案手法は,既存表現の柔軟性と改善も示す。
論文 参考訳（メタデータ） (2025-11-06T03:56:12Z) - 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) - Robust Image Stitching with Optimal Plane [39.80133570371559]
textitRopStitchは、堅牢性と自然性の両方を備えた教師なしの深層画像縫合フレームワークである。
textitRopStitchは、特にシーンの堅牢性とコンテンツ自然性において、既存のメソッドよりも大幅に優れています。
論文 参考訳（メタデータ） (2025-08-07T23:53:26Z) - DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。
私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
論文 参考訳（メタデータ） (2025-06-26T17:58:26Z) - StableGS: A Floater-Free Framework for 3D Gaussian Splatting [9.935869165752283]
3D Gaussian Splatting(3DGS)の復元は、その幾何学的および視覚的忠実さを低下させるスタバボーンフローター(stbborn floater)のアーティファクトに悩まされている。
最終的な外観レンダリングから幾何正規化を分離する新しいフレームワークであるStableGSを提案する。
複数のベンチマークの実験では、StableGSはフローターを除去するだけでなく、一般的なぼやけたアーチファクトのトレードオフも解決している。
論文 参考訳（メタデータ） (2025-03-24T09:02:51Z) - SA-MixNet: Structure-aware Mixup and Invariance Learning for
Scribble-supervised Road Extraction in Remote Sensing Images [85.52629779976137]
複雑化の進んだ画像シーンを作成するために,ある画像から別の画像へ道路領域を貼り付ける構造を意識したミックスアップ方式を提案する。
道路構造を保ちながら接続性を高めるために,識別器に基づく正規化が設計されている。
われわれのフレームワークは、DeepGlobe、Wuhan、およびマサチューセッツのデータセット上で優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-03-03T02:56:43Z) - Towards Robust and Expressive Whole-body Human Pose and Shape Estimation [51.457517178632756]
全体のポーズと形状の推定は、単眼画像から人体全体の異なる振る舞いを共同で予測することを目的としている。
既存の手法では、既存のシナリオの複雑さの下で、しばしば劣化したパフォーマンスを示す。
全身のポーズと形状推定の堅牢性を高める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-12-14T08:17:42Z) - Deep Model Reassembly [60.6531819328247]
我々はDeep Model Reassembly(DeRy)と呼ばれる新しい知識伝達タスクを探索する。
DeRyの目標は、まず各モデルを固有のビルディングブロックに分割し、それから派生したブロックを選択的に再組み立てて、カスタマイズされたネットワークを生成することである。
ImageNetでは、最高の再組み立てモデルは微調整なしで78.6%のトップ1の精度を実現している。
論文 参考訳（メタデータ） (2022-10-24T10:16:13Z)
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。