論文の概要: SceneReGen: Generative Reconstruction of 3D Scenes from a Single Image
- arxiv url: http://arxiv.org/abs/2608.23930v1
- Date: Tue, 25 Aug 2026 00:29:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.669747
- Title: SceneReGen: Generative Reconstruction of 3D Scenes from a Single Image
- Title（参考訳）: SceneReGen: 単一画像からの3Dシーンの生成的再構築
- Abstract要約: 我々は、シーン再構築を完全なオブジェクト資産の生成と組み立てとして再解釈する生成的再構築フレームワークであるSceneReGenを紹介した。
SceneReGenは、選択的なポーズ係数化を通じて生成/再構成ギャップに対処する。
SceneReGenは評価手法の中で,最高のシーンレベルCD,シーンレベルFスコア,3DバウンディングボックスIoUを実現している。
- 参考スコア（独自算出の注目度）: 24.844593424101618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image 3D scene reconstruction must complete partially observed objects and place them coherently in a shared observation-aligned scene frame. Object-level generative priors offer strong completion ability, but their centered, scale-normalized outputs are typically expressed in an object frame, creating a fundamental representation gap between object generation and scene reconstruction. We introduce SceneReGen, a generative reconstruction framework that reinterprets scene reconstruction as the generation and assembly of complete object assets in a shared observation-aligned scene frame. SceneReGen addresses the generation-reconstruction gap through selective pose factorization: each object's observed orientation is encoded directly in the generated mesh, while translation and scale are estimated from instance-level and global scene evidence. Given a scene image and instance masks, a geometry encoder extracts dense cues; learnable shape queries condition a pretrained DiT-based 3D generator to produce complete meshes in their observed orientations, while position queries fuse object and scene features to assemble them in the shared frame. On the 3D-FUTURE evaluation subset, SceneReGen achieves the best scene-level CD, scene-level F-Score, and 3D bounding-box IoU among the evaluated methods, ties the best object-level CD, and ranks second in object-level F-Score. Qualitative outputs in autonomous-driving and embodied-AI scenes further illustrate the potential of asset-centric reconstruction beyond indoor furniture.
- Abstract（参考訳）: シングルイメージの3Dシーン再構成は、部分的に観察対象を完了し、それらを共有された観察アラインなシーンフレームにコヒーレントに配置する必要がある。
オブジェクトレベルの生成先行は、強い補完能力を提供するが、その中心となる、スケール正規化された出力は、通常、オブジェクトフレームで表現され、オブジェクト生成とシーン再構築の基本的な表現ギャップを生み出す。
SceneReGenは、シーン再構成を、共有された観察アライメントシーンフレームにおける完全なオブジェクトアセットの生成とアセンブリとして再解釈する、生成的再構築フレームワークである。
SceneReGenは、選択的なポーズ因数分解によって生成/再構成ギャップに対処する: 各オブジェクトの観測された向きは、生成されたメッシュに直接エンコードされ、一方、翻訳とスケールは、インスタンスレベルおよびグローバルなシーンエビデンスから推定される。
ジオメトリエンコーダは、シーン画像とインスタンスマスクが与えられた場合、密集したキューを抽出し、学習可能な形状クエリ条件として、DiTベースの3Dジェネレータを使用して、観察された向きで完全なメッシュを生成し、位置クエリはオブジェクトとシーン特徴を融合して共有フレームに組み立てる。
3D-Future評価サブセットでは、評価方法のうち、シーンレベルCD、シーンレベルFスコア、および3DバウンディングボックスIoUを達成し、オブジェクトレベルCDを結合し、オブジェクトレベルFスコアで2位にランク付けする。
自動運転と組込みAIのシーンにおける質的なアウトプットは、屋内家具を超えて資産中心の再構築の可能性をさらに示している。
関連論文リスト
- WorldSculpt: Generating Compositional Worlds from Grounded Videos [50.427204240556854]
本研究では,数百個のオブジェクトを含む散在するシーンの合成3次元表現を生成する問題について検討する。
この課題は、物体が互いに強く干渉し合うような密集したシーンにおいて挑戦的であり、それぞれのビューはその幾何のごく一部しか明らかにしない。
多視点観察に先立ち、強い単物体3D生成を適応させることにより、数百個の物体からなる複雑なシーンを合成的に生成できることが示される。
論文 参考訳（メタデータ） (2026-09-04T17:59:35Z) - Scenix: Sparse-View 3D Scene Reconstruction via Executable Scene Programs [36.87702450793552]
実行可能シーンプログラムによるスパースビュー3Dシーン再構築フレームワークであるtextscScenix を提示する。
スパースビューを前提として、textscScenix は知覚的資産インスタンス化とクローズドループ空間改善を通じて実行可能なシーンプログラムを予測する。
さらに、各対象シーンを、入力ビューで利用可能な視覚的エビデンスと整合させる、観測一貫性のある監視を導入する。
論文 参考訳（メタデータ） (2026-08-07T09:24:56Z) - ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures [18.468596508491967]
ReSceneは、パイプライン全体のマルチビュージオメトリを統一前のものとしてスレッドするフレームワークである。
HierViewはセマンティックな一貫性と3Dカバレッジに基づいた再構築ビューを優先する。
ReSceneは、ScanNetの一連のシーンで、幾何学、レンダリング、知覚的品質をまたいだ、新しい最先端のアートをセットする。
論文 参考訳（メタデータ） (2026-06-26T13:08:40Z) - SceneConductor: 3D Scene Generation from a Single Image with Multi-Agent Orchestration [32.39337008619354]
単一画像の3Dシーン生成を3つの構造化ステージに分解するマルチエージェントオーケストレーションフレームワークを提案する。
ポイントマップから導出される疎幾何学的事前情報によって教師される幾何学的レイアウト予測器を提案する。
本手法は,幾何学的精度,空間的整合性,知覚的リアリズムにおいて,従来手法よりも常に優れていた。
論文 参考訳（メタデータ） (2026-06-07T01:38:39Z) - GenRecon: Bridging Generative Priors for Multi-View 3D Scene Reconstruction [69.35136600319714]
マルチビューRGB画像から高忠実度3Dシーンを再現する手法を提案する。
シーン再構成を条件付き3次元生成として,空間的局所化,重なり合うチャンクの集合に配置した。
切刃再建法を16%上回る高忠実度結果を得た。
論文 参考訳（メタデータ） (2026-05-22T17:49:59Z) - DecoRec: Decomposed 3D Scene Reconstruction from Single-View Images via Object-Level Diffusion [65.65756111062005]
textitDecoRecは、単一のビュー2D画像を分解された3Dシーンメッシュに高めるように設計されたシステムである。
以上の結果から,DecoRecはジオメトリと新規合成の両面において,高品質なワンビューシーン再構築を促進することが示唆された。
論文 参考訳（メタデータ） (2026-05-16T04:23:48Z) - OCH3R: Object-Centric Holistic 3D Reconstruction [36.45885767128656]
我々は1枚のRGB画像からオブジェクト中心のホロスティック3次元再構成のための統合フレームワークであるOCH3Rを紹介する。
OCH3Rは1つのフォワードパスを実行し、すべてのオブジェクトインスタンスを同時に6Dポーズと詳細な3D再構成で予測する。
標準的な屋内ベンチマークでは、OCH3Rは単分子深度推定、開語彙セマンティックセマンティックセグメンテーション、RGBのみのカテゴリレベルの6Dポーズ推定にまたがって最先端の性能を達成する。
論文 参考訳（メタデータ） (2026-05-13T05:17:51Z) - FurnSet: Exploiting Repeats for 3D Scene Reconstruction [3.948390930350905]
シングルビュー3Dシーン再構成は、オブジェクト形状と空間配置の両方を推測する。
既存のメソッドは通常、オブジェクトを独立して再構築するか、暗黙のシーンコンテキストに依存します。
FurnSetは、繰り返しオブジェクトインスタンスを明示的に識別し、活用して再構築を改善するフレームワークである。
論文 参考訳（メタデータ） (2026-04-22T01:27:13Z) - ObjectGS: Object-aware Scene Reconstruction and Scene Understanding via Gaussian Splatting [54.92763171355442]
ObjectGSは3Dシーンをセマンティックな理解と統合するオブジェクト認識フレームワークである。
我々はObjectGSがオープンボキャブラリやパン光学のセグメンテーションタスクにおいて最先端の手法より優れていることを示す実験を通して示す。
論文 参考訳（メタデータ） (2025-07-21T10:06:23Z) - 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) - CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph
Diffusion [83.30168660888913]
シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。
パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。
生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
論文 参考訳（メタデータ） (2023-05-25T17:39:13Z) - Shelf-Supervised Mesh Prediction in the Wild [54.01373263260449]
本研究では,物体の3次元形状とポーズを1つの画像から推定する学習手法を提案する。
まず、カメラのポーズとともに、標準フレーム内の体積表現を推定する。
粗い体積予測はメッシュベースの表現に変換され、予測されたカメラフレームでさらに洗練される。
論文 参考訳（メタデータ） (2021-02-11T18:57:10Z)
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。