論文の概要: ReX-Shot: Single-Image Rephotography via Geometry- and Camera-Grounded Generation
- arxiv url: http://arxiv.org/abs/2608.18593v1
- Date: Wed, 19 Aug 2026 06:34:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.309019
- Title: ReX-Shot: Single-Image Rephotography via Geometry- and Camera-Grounded Generation
- Title（参考訳）: ReX-Shot:Geometry- and Camera-Grounded Generationによる単眼リフォトグラフィー
- Abstract要約: 単一画像の再撮影は、特定の視点、焦点距離、写真効果を持つ単一の参照画像からシーンの新しいショットを合成することを目的としている。
既存の方法は、これらの要因を別々に扱い、共同制御の下で苦労する。
ReX-Shotは、単一の画像から視点、焦点距離、パラメータ化された写真効果を共同制御する最初の統一されたフレームワークである。
- 参考スコア（独自算出の注目度）: 77.23728599741166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image rephotography aims to synthesize new shots of a scene from a single reference image with specified viewpoints, focal lengths, and photographic effects, which are intrinsically coupled in imaging. Existing methods typically treat these factors separately and struggle under joint control: novel-view synthesis may introduce geometric distortions under focal-length changes, while super-resolution and instruction-guided editing remain confined to 2D and cannot reliably extend detail restoration or appearance control to novel viewpoints. We attribute these limitations to imperfect single-image 3D reconstruction and the sampling limit of continuous focal-length enlargement. To reduce projection bias from geometric errors, we use implicitly transformed foundation-model features for robust target-view guidance. We further formulate focal-length enlargement as a geometry-guided super-resolution problem and exploit generative detail priors to recover details lost during sparse 3D resampling. Built on this 3D-aware generative backbone, we lift photographic-effect control from 2D filtering to 3D-aware appearance editing, preserving content consistency across viewpoints and focal lengths. These components form ReX-Shot, a geometry- and camera-grounded generative framework for single-image rephotography. To our knowledge, ReX-Shot is the first unified framework to jointly control viewpoint, focal length, and parameterized photographic effects from a single image. Experiments show that ReX-Shot outperforms representative baselines across all three controls while enabling near-real-time interactive rephotography.
- Abstract（参考訳）: 単一画像の再撮影は、特定の視点、焦点距離、写真効果を持つ単一の参照画像からシーンの新しいショットを合成することを目的としており、これは本質的に画像に結合している。
新規ビュー合成は焦点長の変化の下で幾何学的歪みを導入するが、超解像度および命令誘導編集は2Dに限られており、新しい視点への詳細復元や外観制御を確実に拡張できない。
これらの限界は, 単一画像の再構成が不完全なことと, 連続焦点長拡大のサンプリング限界に起因している。
幾何学的誤差から投影バイアスを低減するため,ロバストな目標視点誘導のために暗黙的に変換された基礎モデル特徴を用いる。
さらに、形状誘導型超解像問題として焦点長拡大を定式化し、生成の詳細を利用してスパース3Dリサンプリング中に失われた詳細を復元する。
この3D認識生成バックボーン上に構築され、2Dフィルタリングから3D認識の外観編集まで、視点や焦点距離のコンテンツ一貫性を保ちながら、写真効果制御を行う。
これらのコンポーネントは、単一画像の再撮影のための幾何学的およびカメラ的な生成フレームワークであるReX-Shotを形成する。
我々の知る限り、ReX-Shotは単一の画像から視点、焦点距離、パラメータ化された写真効果を共同制御する最初の統合フレームワークである。
実験により、ReX-Shotは3つのコントロールすべてで代表ベースラインを上回り、ほぼリアルタイムのインタラクティブなリフォトグラフィーを実現している。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction [25.145305440192875]
Pose-Free Feed-forward 3D Gaussian Splattingは、最近、高速なシーン再構築のための強力なパラダイムとして登場した。
しかし、その性能は累積カメラポーズ推定ドリフトにより長い画像列で著しく低下する。
我々は、レイマップガイド結合モジュールを用いて、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-08T09:02:18Z) - AnyRecon: Arbitrary-View 3D Reconstruction with Video Diffusion Model [29.087865646035695]
カジュアルキャプチャーからシーンをモデリングするためにはスパースビュー3D再構成が不可欠であるが、非生成的再構築には依然として困難である。
我々は任意のスパース入力から復元するスケーラブルなフレームワークであるAnyReconを提案する。
実験では、不規則な入力、大きな視点ギャップ、長い軌道をまたいだ堅牢でスケーラブルな再構築が示されている。
論文 参考訳（メタデータ） (2026-04-21T17:59:47Z) - Towards Realistic and Consistent Orbital Video Generation via 3D Foundation Priors [61.34273238077091]
本稿では,物体の単一画像からオービタルビデオを生成する新しい手法を提案する。
本手法は,最先端の手法と比較して,視覚的品質,形状リアリズム,多視点整合性を実現している。
論文 参考訳（メタデータ） (2026-04-14T05:35:46Z) - PIS3R: Very Large Parallax Image Stitching via Deep 3D Reconstruction [5.816094524098354]
画像縫合は、異なる視点から撮影された2つの画像を、シームレスで広い1つの画像に整列することを目的としている。
既存の縫合法の多くは、このような画像を大きな視差で効果的に扱うのに苦労している。
我々は, 深部3次元再構成という新しい概念を基礎として, 非常に大きな視差に対して頑健なPSS3Rを提案する。
論文 参考訳（メタデータ） (2025-08-06T09:18:45Z) - GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。
既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。
ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
論文 参考訳（メタデータ） (2025-06-30T15:24:27Z) - LiftImage3D: Lifting Any Single Image to 3D Gaussians with Video Generation Priors [107.83398512719981]
シングルイメージの3D再構成は、コンピュータビジョンの根本的な課題である。
遅延ビデオ拡散モデルの最近の進歩は、大規模ビデオデータから学ぶ有望な3D事前情報を提供する。
本稿では,LVDMの生成先行情報を効果的にリリースするフレームワークであるLiftImage3Dを提案する。
論文 参考訳（メタデータ） (2024-12-12T18:58:42Z) - FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。
当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。
包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
論文 参考訳（メタデータ） (2024-12-12T18:52:53Z) - GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z) - 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。
しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。
本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-29T02:30:31Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳（メタデータ） (2022-11-28T18:59:52Z)
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。