論文の概要: RelightFormer: Feed-forward Generative Transformer for Multiview Object Relighting

• arxiv url: http://arxiv.org/abs/2609.07414v1
• Date: Mon, 07 Sep 2026 12:25:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.424281
• Title: RelightFormer: Feed-forward Generative Transformer for Multiview Object Relighting
• Title（参考訳）: RelightFormer:マルチビューオブジェクトリライトのためのフィードフォワード生成変換器
• Abstract要約: 直接一視点・多視点画像リライトのためのフィードフォワード生成変換器を提案する。 本アーキテクチャでは,空間的特徴に対象環境マップを注入する潜時照明モジュールを特徴とする。
• 参考スコア（独自算出の注目度）: 9.754843139832921
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image relighting is traditionally tackled via complex inverse rendering pipelines, which suffer from ill-posed optimization, or single-image generative models that ignore crucial multi-view cues necessary for understanding 3D geometry and material interactions. To address these limitations, we introduce a feed-forward generative Transformer for direct single- and multi-view image relighting that entirely bypasses explicit intrinsic property estimation. Adapted from a video foundation model, our architecture features a latent illumination module that dynamically injects target environment maps into spatial features via cross-attention. Furthermore, we employ permutation-invariant positional encodings to symmetrically process unordered multi-view inputs without sequential bias. To train this robust data-driven model, we construct the massive Laval Objaverse Dataset (LOD), comprising 90K objects and 39K unique illuminations. Extensive experiments demonstrate state-of-the-art visual quality, photorealistic relighting quality, and strong zero-shot generalization across single-view, multi-view, and novel-view relighting tasks.
• Abstract（参考訳）: 画像のリライティングは伝統的に複雑な逆レンダリングパイプラインによって取り組まれるが、これは不適切な最適化や、3次元幾何学と物質相互作用を理解するのに必要な重要な多視点キューを無視する単一画像生成モデルに苦しむ。 これらの制約に対処するため,直接一視点・多視点画像再生のためのフィードフォワード生成トランスフォーマを導入し,明示的な固有の特性推定を完全に回避した。 ビデオファンデーションモデルに適応して、我々のアーキテクチャは、ターゲット環境マップを空間的特徴に動的に注入する潜在照明モジュールを特徴付ける。 さらに、順列バイアスのない非順序の複数ビュー入力を対称的に処理するために、置換不変な位置符号化を用いる。 このロバストなデータ駆動モデルをトレーニングするために、90Kオブジェクトと39Kユニークな照度を含む巨大なLaval Objaverse Dataset (LOD)を構築した。 広汎な実験は、最先端の視覚的品質、フォトリアリスティックなライティングの質、シングルビュー、マルチビュー、新規ビューのライティングタスクにわたる強力なゼロショットの一般化を実証している。

関連論文リスト

• ReLi3D: Relightable Multi-view 3D Reconstruction with Disentangled Illumination [44.640886020982464]
  ReLi3Dは、完全な3次元形状、空間的に変化する物理的素材、および環境光を1秒未満で再現する最初の統合エンドツーエンドパイプラインである。 提案手法の鍵となるのは,変換器のクロスコンディショニングアーキテクチャによるマルチビュー入力の融合である。
  論文  参考訳（メタデータ） (2026-03-20T08:37:39Z)
• MVInverse: Feed-forward Multi-view Inverse Rendering in Seconds [19.94963757122156]
  多視点逆レンダリングは、幾何、材料、照明を複数の視点で一貫して回復することを目的としている。 本稿では,RGB画像から空間変化アルベド,金属,粗さ,拡散シェーディング,表面正規度を直接予測するフィードフォワード多視点逆レンダリングフレームワークを提案する。 提案手法は,多視点整合性,物質的および正規推定品質,実世界の画像への一般化という観点から,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-24T06:59:29Z)
• FROMAT: Multiview Material Appearance Transfer via Few-Shot Self-Attention Adaptation [49.74776147964999]
  マルチビュー拡散モデルにおける外観伝達のための軽量適応手法を提案する。 提案手法では,入力画像からオブジェクトの同一性と,参照画像に描画された外見の手がかりとを組み合わせ,マルチビュー一貫性のある出力を生成する。
  論文  参考訳（メタデータ） (2025-12-10T13:06:40Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• RelitLRM: Generative Relightable Radiance for Large Reconstruction Models [52.672706620003765]
  本稿では,新しい照明下での3Dオブジェクトの高品質なガウススプレイティング表現を生成するためのRelitLRMを提案する。 複雑なキャプチャと遅い最適化を必要とする従来の逆レンダリングとは異なり、RelitLRMはフィードフォワードトランスフォーマーベースのモデルを採用している。 スパースビューフィードフォワードRelitLRMは、最先端の密集ビュー最適化ベースラインに対して、競争力のあるリライティング結果を提供する。
  論文  参考訳（メタデータ） (2024-10-08T17:40:01Z)
• MAIR++: Improving Multi-view Attention Inverse Rendering with Implicit Lighting Representation [17.133440382384578]
  マルチビュー画像を用いてシーンを幾何学、SVBRDF、3次元空間的に変化する照明に分解するシーンレベルの逆レンダリングフレームワークを提案する。 MAIR(Multi-view Attention Inverse Rendering)と呼ばれる新しいフレームワークが最近導入され、シーンレベルの逆レンダリングの品質が向上した。
  論文  参考訳（メタデータ） (2024-08-13T08:04:23Z)
• Hyper-VolTran: Fast and Generalizable One-Shot Image to 3D Object Structure via HyperNetworks [53.67497327319569]
  画像から3Dまでを1つの視点から解く新しいニューラルレンダリング手法を提案する。 提案手法では, 符号付き距離関数を表面表現として使用し, 幾何エンコードボリュームとハイパーネットワークスによる一般化可能な事前処理を取り入れた。 本実験は,一貫した結果と高速な生成による提案手法の利点を示す。
  論文  参考訳（メタデータ） (2023-12-24T08:42:37Z)
• IRISformer: Dense Vision Transformers for Single-Image Inverse Rendering in Indoor Scenes [99.76677232870192]
  我々は、高密度な視覚変換器であるIRISformerが、逆レンダリングに必要なシングルタスクとマルチタスクの推論の両方で優れていることを示す。 具体的には,屋内シーンの単一画像から深度,正規度,空間変化アルベド,粗さ,照明を同時に推定するトランスフォーマーアーキテクチャを提案する。 ベンチマークデータセットを用いた評価では、上記の各タスクについて最先端の結果が示され、オブジェクト挿入や物質編集などの応用を、制約のない1つの実画像で実現する。
  論文  参考訳（メタデータ） (2022-06-16T19:50:55Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)

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。