論文の概要: ViSculpt: Visual-Centric Agentic Geometry Editing
- arxiv url: http://arxiv.org/abs/2608.24169v1
- Date: Tue, 25 Aug 2026 07:37:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.860246
- Title: ViSculpt: Visual-Centric Agentic Geometry Editing
- Title（参考訳）: ViSculpt:ビジュアル中心のエージェント幾何学編集
- Abstract要約: 大規模言語モデル(LLM)はスクリプトベースの3D生成を約束しているが、スクリプト生成は任意の既存のメッシュの認識駆動編集には適していない。
我々は,人間アーティストの反復的なワークフローをエミュレートすることにより,Blenderの既存の3Dメッシュを直接編集する,視覚中心の学習不要なマルチエージェントシステムを提案する。
- 参考スコア（独自算出の注目度）: 21.128169435798704
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D geometry editing is a critical yet labor-intensive part of the graphics pipeline, requiring artists to translate creative intent into precise operations in complex professional software. Large language models (LLMs) have shown promise for script-based 3D creation, but script generation is less suited to perception-driven editing of arbitrary existing meshes, where execution must remain visually grounded and untouched regions should be preserved. We present a \emph{visual-centric}, training-free multi-agent system that edits existing 3D meshes directly in Blender by emulating the iterative workflow of human artists. Rather than generating scripts or regenerating geometry, our system operates through the Blender GUI: multimodal LLM agents observe the viewport, reason about the current mesh state, and execute localized edits through simulated user interactions. Experiments on a curated benchmark provide initial evidence that this agentic approach can follow natural language instructions, perform representative localized mesh edits, and preserve the overall identity of the input asset. Our results highlight a complementary regime for language-driven 3D editing: direct in-place modification of existing meshes within the native 3D editing workflow. We view this work as an exploratory step toward visual-centric agentic geometry editing in professional graphics software.
- Abstract（参考訳）: 3D幾何編集は、グラフィクスパイプラインの重要な部分であるが労働集約的な部分であり、アーティストは創造的な意図を複雑なプロのソフトウェアで正確な操作に変換する必要がある。
大規模言語モデル(LLM)はスクリプトベースの3D生成を約束しているが、スクリプト生成は任意の既存のメッシュの認識駆動による編集には適していない。
そこで我々は,Blenderの既存の3Dメッシュを直接編集する「emph{visual-centric}」のマルチエージェントシステムを提案する。
スクリプトの生成やジオメトリの再生は,Blender GUIを通じて行う。マルチモーダルLLMエージェントはビューポートを観察し,現在のメッシュ状態について推論し,シミュレーションされたユーザインタラクションを通じて局所的な編集を実行する。
キュレートされたベンチマークの実験は、このエージェント的アプローチが自然言語命令に従い、典型的な局所的なメッシュ編集を実行し、入力資産の全体的なアイデンティティを保持することができるという最初の証拠を提供する。
この結果から,ネイティブな3D編集ワークフローにおいて,既存のメッシュをその場で直接修正するという,言語駆動型3D編集の補完的な仕組みが浮かび上がっている。
我々は,この研究を,プロのグラフィックソフトウェアにおける視覚中心型エージェント幾何編集への探索的なステップと見なしている。
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) - Procedura: Agentic 3D Modeling with Procedural Control [52.232812096564906]
Proceduraは、オブジェクトを手続き的なアセンブリとして記述する、新しい3Dモデリングエージェントフレームワークである。
テキストプロンプトから、エージェントはアセンブリグラフとしてオブジェクトを計画し、プログラム部分を部分的に書きます。
分離された視覚評論家は、一度に診断された修正を精製する。
論文 参考訳（メタデータ） (2026-08-26T17:54:39Z) - DesignAgent3D: Interactive 3D Scene Editing via Designer-like Multimodal Reasoning [32.91291969659809]
テキストガイド3Dシーン編集は、再構成された環境を修正するための直感的なインタフェースを提供する。
既存の方法は、通常、タスクを単一のプロンプトからワンショット条件生成として定式化する。
DesignAgent3Dは、3Dシーンの編集をデザインライクなPlan-Perceive-Actパラダイムとして再構成する対話型マルチモーダルエージェントフレームワークである。
論文 参考訳（メタデータ） (2026-08-18T01:16:13Z) - ES3D: Embedding Semantics into 3D Space for Component-Aware Editing [31.12252706485155]
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。
論文 参考訳（メタデータ） (2026-08-16T13:58:08Z) - SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation [50.175987640001644]
テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsを紹介する。
また,プロシージャのダイナミックな3Dシーンの視覚的忠実度と身体的整合性を評価するベンチマークである4DBuildBenchも導入した。
論文 参考訳（メタデータ） (2026-07-02T06:29:18Z) - 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) - LangDriveCTRL: Natural Language Controllable Driving Scene Editing with Multi-modal Agents [61.91651123290512]
LangDriveCTRLは、様々な交通シナリオを合成するために現実世界の運転ビデオを編集するフレームワークである。
オブジェクトノードの編集(削除、挿入、置換)と1つの自然言語命令からの複数オブジェクトの振る舞いの編集の両方をサポートする。
論文 参考訳（メタデータ） (2025-12-19T10:57:03Z) - LL3M: Large Language 3D Modelers [18.23329430829059]
LL3Mは,解釈可能なPythonコードをBlenderで記述することで3Dアセットを生成するシステムである。
形状生成をコード記述タスクとして再構成し,モジュール性,編集性,アーティストBlenderとの連携を実現する。
本実験では,3次元アセット生成のための生成的・解釈可能な媒体としてのコードの有用性を示す。
論文 参考訳（メタデータ） (2025-08-11T17:48:02Z) - EditRoom: LLM-parameterized Graph Diffusion for Composable 3D Room Layout Editing [114.14164860467227]
自然言語コマンドで様々なレイアウト編集を実行できるフレームワークであるEditRoomを提案する。
特にEditRoomは、コマンドプランニングとターゲットシーンの生成にLarge Language Models(LLM)を利用している。
既存の3Dシーンデータセットを拡張する自動パイプラインを開発し,83kの編集ペアを備えた大規模データセットであるEditRoom-DBを導入した。
論文 参考訳（メタデータ） (2024-10-03T17:42:24Z) - 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) - 3D-GPT: Procedural 3D Modeling with Large Language Models [47.72968643115063]
命令駆動3Dモデリングのための大規模言語モデル(LLM)を利用するフレームワークである3D-GPTを紹介する。
3D-GPTは、3Dモデリングタスクをアクセス可能なセグメントに分割し、各タスクにアプエージェントを割り当てる。
我々の実証調査では、3D-GPTが解釈し、指示を実行し、信頼性の高い結果を提供するだけでなく、人間デザイナーと効果的に協力することを確認した。
論文 参考訳（メタデータ） (2023-10-19T17:41:48Z)
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。