論文の概要: CoGeo-GS: Concept-Driven and Geometry-Aware Multi-Object Removal in 3D Scenes
- arxiv url: http://arxiv.org/abs/2608.26656v1
- Date: Thu, 27 Aug 2026 06:11:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.255386
- Title: CoGeo-GS: Concept-Driven and Geometry-Aware Multi-Object Removal in 3D Scenes
- Title（参考訳）: CoGeo-GS:3次元シーンにおける概念駆動型・幾何学的マルチオブジェクト除去
- Abstract要約: CoGeo-GSは3Dシーンで制御可能なマルチオブジェクト除去のためのコンセプト駆動フレームワークである。
単分子深度先行と拡散に基づく微細化と境界整合ブレンディングを組み合わせた幾何対応完備化パイプラインを提案する。
実験により、CoGeo-GSは視覚的品質と再現性において既存の手法よりも優れていることが示された。
- 参考スコア（独自算出の注目度）: 7.595083415212618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-object removal in 3D scenes is challenging due to severe occlusions, semantic entanglement, and the difficulty of maintaining geometric and multi-view consistency. Existing 3D Gaussian Splatting (3DGS) methods perform well for single-object editing but scale poorly to multi-object scenarios, often requiring repetitive optimization and yielding unstable geometry in removed regions. We propose CoGeo-GS, a concept-driven framework for controllable multi-object removal in 3D scenes. CoGeo-GS assigns concept-aware semantic tags to Gaussians, enabling flexible object selection and reducing interference between foreground objects and background structures within a single optimization stage. To recover plausible geometry, we introduce a geometry-aware completion pipeline that combines monocular depth priors with diffusion-based refinement and boundary-aligned blending. A geometry-regularized refinement strategy further stabilizes reconstruction and preserves multi-view consistency. Experiments demonstrate that CoGeo-GS outperforms existing methods in visual quality and reconstruction fidelity.
- Abstract（参考訳）: 3次元シーンにおけるマルチオブジェクトの除去は、厳密な閉塞、意味的絡み合い、幾何学的・多視点整合性の維持が困難であるために困難である。
既存の 3D Gaussian Splatting (3DGS) 法は、単一対象の編集には適しているが、多対象のシナリオではスケールが悪く、しばしば繰り返し最適化が必要であり、除去された領域では不安定な幾何が得られる。
本研究では,3次元シーンにおける多物体除去のための概念駆動型フレームワークCoGeo-GSを提案する。
CoGeo-GSは概念を意識したセマンティックタグをガウシアンに割り当て、柔軟性のあるオブジェクトの選択を可能にし、単一の最適化段階において前景オブジェクトと背景構造の間の干渉を減らす。
既知幾何を復元するために,単分子深度先行と拡散に基づく微細化と境界整合ブレンディングを組み合わせた幾何対応完備化パイプラインを導入する。
幾何規則化された精細化戦略は、さらに再構築を安定化し、多視点整合性を維持する。
実験により、CoGeo-GSは視覚的品質と再現性において既存の手法よりも優れていることが示された。
関連論文リスト
- Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。
本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
論文 参考訳（メタデータ） (2026-07-21T08:54:25Z) - TopoGS: Planar Reconstruction via Topology-aware 3D Gaussian Splatting [15.690820181002517]
TopoGSは,コヒーレントな3次元再構成のための平面的制約と位相的制約を明示的に統合する最初の3DGSフレームワークである。
具体的には、多視点画像セグメンテーションからグローバルな2次元トポロジカルな関係を抽出し、ガウス原始体をこれらの構造要素に固定する。
これらのトポロジ的制約とともに厳密な多視点整合性を持たせることにより、幾何学的ミスアライメントを著しく軽減し、連結された3次元モデルを生成する。
論文 参考訳（メタデータ） (2026-07-18T14:27:49Z) - GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM [6.344587694040345]
既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。
本研究では,シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)を提案する。
GeoGSは、プリミティブ単位のパラメータ数を80%以上削減するために、空間パラメータのみを保持する。
論文 参考訳（メタデータ） (2026-07-08T14:22:05Z) - Interact3D: Compositional 3D Generation of Interactive Objects [31.12099147294145]
本稿では,3次元合成オブジェクト間の相互作用を物理的に妥当に生成する新しいフレームワークを提案する。
当社のアプローチは、まず先進的な先進的な先進的手法を活用して、高品質な個人資産をキュレートする。
これらの資産を物理的に構成するために、ロバストな2段階合成パイプラインを導入する。
論文 参考訳（メタデータ） (2026-03-17T03:21:06Z) - GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation [68.02988074681427]
画像から3Dのシーン生成にビデオモデルを利用する以前の研究は、幾何学的歪みやぼやけた内容に悩まされる傾向にある。
本稿では,幾何学モデルの可能性を解き放つことにより,画像から3次元のシーン生成のパイプラインを再構築する。
我々のGeoWorldは、1つの画像と所定のカメラ軌道から高忠実度3Dシーンを生成することができ、定性的かつ定量的に先行手法より優れている。
論文 参考訳（メタデータ） (2025-11-28T13:55:45Z) - Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - GTR: Gaussian Splatting Tracking and Reconstruction of Unknown Objects Based on Appearance and Geometric Complexity [49.31257173003408]
モノクローナルRGBDビデオからの6-DoFオブジェクト追跡と高品質な3D再構成のための新しい手法を提案する。
提案手法は, 高忠実度オブジェクトメッシュを復元する強力な能力を示し, オープンワールド環境における単一センサ3D再構成のための新しい標準を策定する。
論文 参考訳（メタデータ） (2025-05-17T08:46:29Z) - GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。
従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。
GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-06-21T17:49:31Z) - 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) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z)
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。