論文の概要: ES3D: Embedding Semantics into 3D Space for Component-Aware Editing
- arxiv url: http://arxiv.org/abs/2608.15749v1
- Date: Sun, 16 Aug 2026 13:58:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.412596
- Title: ES3D: Embedding Semantics into 3D Space for Component-Aware Editing
- Title（参考訳）: ES3D: コンポーネント認識編集のためのセマンティックスを3D空間に埋め込む
- Abstract要約: ES3Dはセマンティクスを直接3D空間に埋め込むフレームワークである。
セマンティックキューに基づいて編集可能な領域を検索し、条件として複数のイメージを使用する。
ES3Dは幾何学的に一貫性があり、セマンティックにコヒーレントな編集を生成する。
- 参考スコア（独自算出の注目度）: 31.12252706485155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing 3D editing methods have made notable progress in controllability, yet they remain limited in several important ways. Most approaches rely on text-driven editing, which struggles to express fine-grained visual changes intended by the user. Moreover, many methods require manually supplied 3D masks or introduce unintended changes to regions that should remain untouched. These limitations largely arise from the absence of fine-grained semantic understanding, making it difficult for existing models to retrieve or modify specific 3D components. We introduce ES3D, a framework that embeds semantics directly into 3D space, enabling component-aware retrieval and editing of a 3D asset conditioned on multiple local reference images and optional text queries. We first construct a 3D semantic embedding by projecting multi-view semantic features into the voxelized space of the asset. We then perform 3D component retrieval by computing feature similarity between the 3D semantic embedding and the semantic embeddings of image or text queries. For editing, we employ a pretrained 3D generative model with an inpainting mechanism to modify the retrieved components guided by user-provided images while preserving the rest of the asset. Overall, ES3D is a 3D editing framework that retrieves editable regions based on semantic cues and uses multiple images as conditions. Extensive experiments demonstrate that ES3D produces geometrically consistent and semantically coherent edits, enabling robust image-based and text-assisted control for 3D editing.
- Abstract（参考訳）: 既存の3D編集手法は、制御性において顕著な進歩を遂げているが、いくつかの重要な点で制限されている。
ほとんどのアプローチはテキスト駆動編集に依存しており、ユーザーが意図した細かい視覚的変化を表現するのに苦労している。
さらに、多くの方法は手動で供給される3Dマスクや、未使用の領域に意図しない変更を導入する必要がある。
これらの制限は主に、細粒度のセマンティック理解が欠如していることから生じ、既存のモデルが特定の3Dコンポーネントを検索または修正することが困難になる。
ES3Dは、セマンティクスを直接3D空間に埋め込むフレームワークであり、複数のローカル参照画像とオプションのテキストクエリに条件付けられた3Dアセットのコンポーネント認識検索と編集を可能にする。
まず,マルチビューのセマンティックな特徴を資産のボクセル化空間に投影することにより,3次元セマンティックな埋め込みを構築する。
次に、画像やテキストクエリのセマンティックな埋め込みと3Dセマンティックな埋め込みの類似性を計算し、3Dコンポーネントの検索を行う。
編集には,事前学習した3D生成モデルと塗装機構を用いて,ユーザが提供する画像によってガイドされる抽出された部品を,残りの部分を保持しながら修正する。
ES3Dは、セマンティックキューに基づいて編集可能な領域を検索し、複数の画像を条件として使用する3D編集フレームワークである。
大規模な実験により、ES3Dは幾何学的に一貫したセマンティックなコヒーレントな編集を生成し、3D編集のための堅牢な画像ベースおよびテキストアシスト制御を可能にする。
関連論文リスト
- Chat-Edit-3D++: Interactive 3D and 4D Scene Editing via Large Language Models [57.59888019135289]
Hash-Atlasネットワークは2次元アトラス画像の操作として3Dシーン編集を再構成する。
本稿では,CE3D++と呼ばれる対話型3Dシーン編集手法を提案する。
その結果、CE3D++は複数のビジュアルモデルを効果的に統合し、多様なビジュアル編集効果を実現することを示した。
論文 参考訳（メタデータ） (2026-08-29T08:25:58Z) - 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) - 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) - Free-Form Scene Editor: Enabling Multi-Round Object Manipulation like in a 3D Engine [83.0145525456509]
実世界の画像に対して直感的で物理的に一貫性のあるオブジェクト編集を可能にする3D対応フレームワークであるFFSEを提案する。
画像空間で動作したり、遅くてエラーを起こしやすい3D再構成を必要とする従来のアプローチとは異なり、FFSEは学習された3D変換のシーケンスとして編集する。
マルチラウンド3Dオブジェクト操作の学習を支援するために,3DObjectEditorを導入する。
論文 参考訳（メタデータ） (2025-11-17T18:57:39Z) - Towards Scalable and Consistent 3D Editing [32.16698854719098]
3D編集は没入型コンテンツ制作、デジタルエンターテイメント、AR/VRに広く応用されている。
2D編集とは異なり、クロスビューの一貫性、構造的忠実さ、きめ細かい制御性を必要とするため、依然として困難である。
我々はこれまでで最大の3D編集ベンチマークである3DEditVerseを紹介した。
モデル側では、3次元構造保存条件変換器である3DEditFormerを提案する。
論文 参考訳（メタデータ） (2025-10-03T13:34:55Z) - 3D-LATTE: Latent Space 3D Editing from Textual Instructions [64.77718887666312]
本研究では,ネイティブな3次元拡散モデルの潜在空間内で動作する学習自由な編集手法を提案する。
生成元からの3Dアテンションマップとソースオブジェクトをブレンドすることで、編集合成をガイドする。
論文 参考訳（メタデータ） (2025-08-29T22:51:59Z) - Chat-Edit-3D: Interactive 3D Scene Editing via Text Prompts [76.73043724587679]
CE3Dと呼ばれる対話型3Dシーン編集手法を提案する。
Hash-Atlasは3Dシーンビューを表し、3Dシーンの編集を2Dアトラスイメージに転送する。
その結果、CE3Dは複数の視覚モデルを効果的に統合し、多様な視覚効果が得られることを示した。
論文 参考訳（メタデータ） (2024-07-09T13:24:42Z) - Progressive3D: Progressively Local Editing for Text-to-3D Content Creation with Complex Semantic Prompts [38.94299662658179]
本稿では,プログレッシブ3D(Progressive3D)というフレームワークを提案する。
編集ステップ毎にユーザ定義領域プロンプトによって決定される領域にのみコンテンツ変更が発生することを制約する。
大規模な実験により,提案するプログレッシブ3Dフレームワークが複雑な意味論を持つプロンプトに対して正確な3Dコンテンツを生成することが示された。
論文 参考訳（メタデータ） (2023-10-18T08:23:14Z) - Directional Texture Editing for 3D Models [51.31499400557996]
ITEM3D は textbf3D オブジェクトの自動編集のために設計されている。
拡散モデルと微分可能レンダリングを活用して、ITEM3Dはレンダリングされた画像をテキストと3D表現のブリッジとして取り込む。
論文 参考訳（メタデータ） (2023-09-26T12:01:13Z)
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。