論文の概要: ObjectSplat: Improving Mesh Fidelity and Interactivity for 3D Scenes via Object-Level Mesh Splatting
- arxiv url: http://arxiv.org/abs/2608.30423v1
- Date: Mon, 31 Aug 2026 08:20:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.305035
- Title: ObjectSplat: Improving Mesh Fidelity and Interactivity for 3D Scenes via Object-Level Mesh Splatting
- Title（参考訳）: ObjectSplat: オブジェクトレベルメッシュスプレイティングによる3次元シーンにおけるメッシュの忠実度と対話性の改善
- Abstract要約: Splattingベースのアルゴリズムは、通常の画像からフォトリアリスティック、リアルタイムレンダリング、メッシュエクスポート可能な3Dシーンを再構築する。
我々は、各フレームからインスタンスを分割し、残りのものを背景として検討し、各インスタンスと背景をメッシュスプレイティングで独立に再構築し、それらを単一のシーンに構成する、分解前再構成アプローチを提案する。
提案手法は, メッシュの忠実度(Fスコアの5%以上)と新規ビュー合成を向上し, オブジェクトワイド・モディフィビリティと対話性をサポートした。
- 参考スコア（独自算出の注目度）: 2.1874189959020423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Splatting-based algorithms reconstruct photorealistic, real-time-renderable, and mesh-exportable 3D scenes from regular images, but they represent a scene as a single monolithic field. Therefore, the reconstruction has no object-level structure, leaving it infeasible for downstream editing or interaction. Moreover, regions that are never directly observed in the input scans are contaminated by the surrounding texture and left uncorrected, capping both mesh fidelity and novel-view synthesis. We propose a decompose-before-reconstruct approach: we segment the instances out of every frame, consider the remaining as background and inpaint it, reconstruct each instance and the background independently with mesh splatting, and compose them into a single scene. Our method significantly improves mesh fidelity (over a 5\% gain in F-score) and novel-view synthesis, while supporting object-wise modifiability and interactivity. The code will be made publicly available.
- Abstract（参考訳）: Splattingベースのアルゴリズムは、通常の画像からフォトリアリスティック、リアルタイムレンダリング、メッシュでエクスポート可能な3Dシーンを再構成するが、シーンを単一のモノリシックフィールドとして表現する。
したがって、再構成はオブジェクトレベルの構造を持たず、下流の編集や対話には利用できない。
さらに、入力スキャンで直接観察されない領域は、周囲のテクスチャによって汚染され、未修正のまま残され、メッシュの忠実度と新規ビュー合成の両方をカプセル化する。
我々は、各フレームからインスタンスを分割し、残りのものを背景として検討し、各インスタンスと背景をメッシュスプレイティングで独立に再構築し、それらを単一のシーンに構成する、分解前再構成アプローチを提案する。
提案手法は, メッシュの忠実度(Fスコアの5倍以上のゲイン)と新規ビュー合成を向上し, オブジェクトワイド・モディフィビリティと対話性をサポートした。
コードは公開されます。
関連論文リスト
- Meshtryoshka: Differentiable Rendering of Real-World Scenes via Mesh Rasterization [14.556821243323272]
Meshtryoshkaは、既製の三角測量器とマトリョーシュカ人形に似た3D表現を組み合わせた、斬新な差別化可能なレンダリングフレームワークである。
本手法は,表面上の微分可能レンダリング技術と競合する。
論文 参考訳（メタデータ） (2026-06-26T21:44:36Z) - WorldMesh: Generating Navigable Multi-Room 3D Scenes via Mesh-Conditioned Image Diffusion [39.78606573330677]
テキスト・ツー・イメージとビデオのアプローチは、明示的な幾何学が欠如しているため、限られた環境スケールを超えてシーンレベルの一貫性とオブジェクトレベルの一貫性を維持するのに苦労する。
本稿では,大規模な3次元シーン合成の複雑な問題を構造合成に分解する幾何学的手法を提案する。
これにより、スケーラブルで任意の大きさのオブジェクトのリッチさと多様性の3Dシーンが実現され、堅牢な3D一貫性とフォトリアリスティックなディテールが組み合わさる。
論文 参考訳（メタデータ） (2026-03-24T09:10:08Z) - ZeroScene: A Zero-Shot Framework for 3D Scene Generation from a Single Image and Controllable Texture Editing [36.098009720325436]
画像から3Dのシーン再構成とテクスチャ編集をゼロショットで行う新しいシステムを提案する。
ZeroSceneは、入力画像からオブジェクトレベルの2Dセグメンテーションと深度情報を抽出し、シーン内の空間的関係を推測する。
そして、ポイントクラウドの3Dおよび2Dプロジェクション損失を共同で最適化し、正確なシーンアライメントのためのオブジェクトのポーズを更新する。
論文 参考訳（メタデータ） (2025-09-28T03:21:12Z) - 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) - DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。
私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
論文 参考訳（メタデータ） (2025-06-26T17:58:26Z) - Total-Decom: Decomposed 3D Scene Reconstruction with Minimal Interaction [51.3632308129838]
人間のインタラクションを最小限に抑えた3次元再構成法であるTotal-Decomを提案する。
提案手法は,Segment Anything Model (SAM) とハイブリッド型暗黙的なニューラルサーフェス表現をシームレスに統合し,メッシュベースの領域成長技術を用いて正確な3次元オブジェクト分解を行う。
提案手法をベンチマークデータセット上で広範囲に評価し,アニメーションやシーン編集などの下流アプリケーションの可能性を示す。
論文 参考訳（メタデータ） (2024-03-28T11:12:33Z) - Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。
UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。
モデル化された結果が最先端のアプローチを上回る実験を行ないました。
論文 参考訳（メタデータ） (2024-03-18T04:01:26Z) - Disentangled 3D Scene Generation with Layout Learning [109.03233745767062]
本稿では,コンポーネントオブジェクトに絡み合った3Dシーンを生成する手法を提案する。
私たちの重要な洞察は、オブジェクトは空間的に再構成された場合、同じシーンの有効な構成を生成する3Dシーンの一部を見つけることで発見できるということです。
単純さにもかかわらず、我々のアプローチは個々のオブジェクトに3Dシーンを生成することに成功している。
論文 参考訳（メタデータ） (2024-02-26T18:54:15Z) - O$^2$-Recon: Completing 3D Reconstruction of Occluded Objects in the Scene with a Pre-trained 2D Diffusion Model [28.372289119872764]
咬合は、RGB-Dビデオからの3D再構成において一般的な問題であり、しばしばオブジェクトの完全な再構成をブロックする。
本研究では,物体の隠れた部分の完全な表面を再構築する2次元拡散に基づくインペインティングモデルを用いて,新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-08-18T14:38:31Z) - Black-Box Test-Time Shape REFINEment for Single View 3D Reconstruction [57.805334118057665]
文献中の任意のブラックボックス方式のパイプラインに容易に組み込むことができる後処理メッシュ改善ステップであるREFINEを提案する。
テスト時には、REFINEはメッシュ毎のネットワークインスタンスを最適化し、メッシュと所定のオブジェクトビュー間の一貫性を促進する。
論文 参考訳（メタデータ） (2021-08-23T03:28:47Z) - Novel-View Human Action Synthesis [39.72702883597454]
対象視点を合成する新しい3D推論を提案する。
まず,対象物体の3次元メッシュを推定し,粗いテクスチャを2次元画像からメッシュに転送する。
本研究では, 局地的, 地域的, グローバルなテクスチャを伝達することで, 半密度のテクスチャメッシュを創出する。
論文 参考訳（メタデータ） (2020-07-06T15:11:51Z) - AutoSweep: Recovering 3D Editable Objectsfrom a Single Photograph [54.701098964773756]
セマンティックな部分で3Dオブジェクトを復元し、直接編集することを目的としている。
我々の研究は、一般化された立方体と一般化されたシリンダーという、2種類の原始的な形状の物体を回収する試みである。
提案アルゴリズムは,高品質な3Dモデルを復元し,既存手法のインスタンスセグメンテーションと3D再構成の両方で性能を向上する。
論文 参考訳（メタデータ） (2020-05-27T12:16:24Z)
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。