論文の概要: Generation of High-Level Concepts in 3D Scene Graphs via Autoregressive Diffusion
- arxiv url: http://arxiv.org/abs/2608.28733v1
- Date: Fri, 28 Aug 2026 17:41:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.736907
- Title: Generation of High-Level Concepts in 3D Scene Graphs via Autoregressive Diffusion
- Title（参考訳）: 自己回帰拡散による3次元シーングラフにおける高レベル概念の生成
- Abstract要約: 3DSGは、観測された幾何学的プリミティブとメートル法-セマンティック概念を結合する多層階層として環境を表現する。
本稿では,構造と特徴を共同で学習する自己回帰拡散グラフ生成モデルを提案する。
我々の手法は、合成シーン、実際の建築フロアプラン、ロボットセンサーデータにまたがる3DSGデータセットにまたがる学習ベースラインとランダムベースラインを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 4.721534404221582
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Indoor 3D Scene Graphs (3DSGs) represent environments as multi-layer hierarchies that connect observed geometric primitives (e.g., planes) to higher-level metric-semantic concepts (e.g., rooms, floors, buildings), enabling incremental spatial reasoning for robotic perception and SLAM. However, classical high-level concept generation approaches rely on hand-crafted rules for specific concept classes, while learning-based methods require separate models for graph structure and spatial node features (e.g., centroids), which limits scalability to novel classes and more complex hierarchies. We propose a unified autoregressive diffusion-based graph generative model that jointly learns structure and features, constructing complete 3DSGs bottom-up from observed vertical planes across arbitrary hierarchy depths. Our method consistently surpasses all learning-based and random baselines across 3DSG datasets spanning synthetic scenes, real architectural floor plans, and robotic sensor data, with varying layout complexity and hierarchy depth, and surpasses a one-shot model with oracle access to the target graph size on the largest hierarchy and on real single-floor data. Finally, we propose an adaptation of the Fused Gromov--Wasserstein distance for principled graph-level evaluation of generated 3DSGs against ground truth.
- Abstract（参考訳）: 室内3Dシーングラフ(3DSG)は、観測された幾何学的原始体(例えば平面)と高レベルのメートル法的概念(例えば、部屋、床、建物)を接続する多層階層として環境を表現し、ロボットの知覚とSLAMの漸進的な空間的推論を可能にする。
しかし、古典的なハイレベルな概念生成アプローチは、特定の概念クラスのための手作りのルールに依存し、学習ベースの手法では、新しいクラスやより複雑な階層にスケーラビリティを制限したグラフ構造と空間ノードの特徴(例えば、セントロイド)の別々のモデルを必要とする。
任意の階層深度にわたって観測された垂直面から完全な3DSGのボトムアップを構築することで,構造と特徴を共同で学習する自己回帰拡散グラフ生成モデルを提案する。
提案手法は, 合成シーン, 実際の建築フロアプラン, ロボットセンサデータにまたがる3DSGデータセットの学習ベースライン, ランダムベースラインを, レイアウトの複雑さや階層化の深さが変化するとともに, 最大階層および実際の単一フロアデータ上で, ターゲットグラフサイズへのオラクルアクセスを伴うワンショットモデルを超えている。
最後に,Fused Gromov--Wasserstein 距離を用いて生成した3DSGの原理的グラフレベル評価を行う。
関連論文リスト
- Hierarchical Object Representation for Spatial Robot Perception: Points, Meshes, and Superquadrics [7.735876865294663]
階層型3Dシーングラフ(3DSG)は、長期的な自律性のためのアクション可能でスケーラブルな表現として登場した。
高忠実度オブジェクトレベルの再構成に利用できる階層的オブジェクト表現を導入する。
提案手法は,現在最先端のオブジェクトベースのマップアライメント手法 ROMAN よりも優れていることを示す。
論文 参考訳（メタデータ） (2026-06-01T01:45:47Z) - LoST: Level of Semantics Tokenization for 3D Shapes [50.847769883816085]
State-of-the-artメソッドは、もともとレンダリングと圧縮のために設計された幾何学的なレベル・オブ・ディテール(LoD)階層に依存している。
本稿では,初期接頭辞が完全かつ可塑性な形状をデコードするように,サリエンスを指示するレベル・オブ・セマンティックス・トークン化(LoST)を提案する。
LoSTはSOTA再構成を実現し、幾何的および意味的再構成のメトリクスにおいて、従来のLoDベースの3次元形状トークン化器を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2026-03-18T17:56:06Z) - Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video [76.32954467706581]
本稿では,生のビデオストリームからGEometric foundationモデルのスケーラブル適応を行うフレームワークであるSAGEを提案する。
階層的なマイニングパイプラインを使用して、ビデオをトレーニングトラジェクトリやハイブリッド監視に変換します。
実験の結果、SAGEはゼロショットの一般化を著しく向上し、チェムファー距離を20-42%削減した。
論文 参考訳（メタデータ） (2026-02-08T09:53:21Z) - A Scene Graph Backed Approach to Open Set Semantic Mapping [1.8266902367595235]
オープンセットセマンティックマッピングと3次元シーングラフ(DSSG)はロボット知覚のパラダイムとして確立されている。
本稿では,3DSSGが基本的なバックエンドとして機能し,主要な知識表現として機能するマッピングアーキテクチャを提案する。
これにより、大規模な設定で拡張された操作であっても、地図が位相的に一貫性を持ち、計算的に効率的であることを保証する。
論文 参考訳（メタデータ） (2026-02-03T17:41:51Z) - IGGT: Instance-Grounded Geometry Transformer for Semantic 3D Reconstruction [82.53307702809606]
人間は自然に3次元世界の幾何学的構造と意味的内容を中間次元として知覚する。
本稿では,空間再構成とインスタンスレベルの文脈理解の両面での知識を統合するために,IGGT (InstanceGrounded Geometry Transformer) を提案する。
論文 参考訳（メタデータ） (2025-10-26T14:57:44Z) - WorldGrow: Generating Infinite 3D World [75.81531067447203]
我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。
本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。
提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
論文 参考訳（メタデータ） (2025-10-24T17:39:52Z) - SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。
次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。
本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
論文 参考訳（メタデータ） (2025-07-31T17:56:55Z) - Open-Vocabulary Indoor Object Grounding with 3D Hierarchical Scene Graph [0.0]
OVIGo-3DHSGは階層的なシーングラフ上の広い屋内環境を表す。
階層的表現は、床、部屋、場所、オブジェクト間の空間関係を明示的にモデル化する。
提案手法は,既存の手法と比較して,効率的なシーン理解とロバストなオブジェクトグラウンド化を実証する。
論文 参考訳（メタデータ） (2025-07-16T10:47:12Z) - Intelligent Spatial Perception by Building Hierarchical 3D Scene Graphs for Indoor Scenarios with the Help of LLMs [4.764379183672723]
本稿では,Large Language Models (LLMs) を利用した室内シナリオのための階層型3次元シーングラフ構築システムを提案する。
提案するフレームワークは、3DSGで構成されており、リッチなメトリック・セマンティック情報を持つ基本層、オブジェクトノードの正確なポイントクラウド表現を特徴とするオブジェクト層、部屋、フロア、ビルディングノードの上位層で構成されている。
LLMの革新的な応用のおかげで、オブジェクトノードだけでなく、部屋ノードのような上位層のノードもインテリジェントで正確な方法でアノテートされる。
論文 参考訳（メタデータ） (2025-03-19T10:40:28Z) - Hierarchical Graph Networks for 3D Human Pose Estimation [50.600944798627786]
最近の2次元から3次元の人間のポーズ推定は、人間の骨格のトポロジーによって形成されたグラフ構造を利用する傾向がある。
この骨格トポロジーは体の構造を反映するには小さすぎるため、重度の2次元から3次元のあいまいさに悩まされていると我々は主張する。
本稿では,これらの弱点を克服するために,新しいグラフ畳み込みネットワークアーキテクチャである階層グラフネットワークを提案する。
論文 参考訳（メタデータ） (2021-11-23T15:09:03Z)
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。