論文の概要: SceneHI: High-Resolution 3D-Consistent Scene Texturing with Controllable Illumination

• arxiv url: http://arxiv.org/abs/2609.10363v1
• Date: Wed, 09 Sep 2026 15:56:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.088726
• Title: SceneHI: High-Resolution 3D-Consistent Scene Texturing with Controllable Illumination
• Title（参考訳）: SceneHI: 制御可能な照明による高分解能3D持続型シーンテクスチャ
• Abstract要約: SceneHIは2次元拡散モデルから高分解能で照明を意識した先行情報を持ち上げて3次元テクスチャ合成を行うフレームワークである。 それまで2次元合成に限られていた高分解能テクスチャが、モデル微調整や最適化なしで直接3次元オブジェクトに生成できることを実証するのは、これが初めてである。
• 参考スコア（独自算出の注目度）: 11.437182456773897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: SceneHI is a framework that lifts high-resolution, illumination-aware priors from 2D diffusion models to perform 3D texture synthesis. It is the first to demonstrate that high-resolution textures, previously limited to 2D synthesis, can be generated directly on 3D objects without model fine-tuning or optimization. Designed for complex, multi-object environments, SceneHI uniquely combines 3D-consistency, high-resolution fidelity, and physically plausible baked shadows within a single generative pipeline. To enforce strict geometric coherence, we introduce an exact analytical pixel-to-texel mapping that aligns diffusion trajectories across multiple viewpoints. We utilize High-Resolution Latent Textures (HRLTs) as a persistent canvas for gradually denoised textures, while camera views perform the denoising steps in latent pixel space. This ensures a shared base texture that can be subsequently refined to high resolution without compromising multi-view consistency. Finally, a light-aware generative pass embeds realistic geometry-consistent shadows directly into the atlases, bridging the gap to production workflows. SceneHI achieves high visual fidelity while reducing generation time by 80% compared to existing scene-level methods.
• Abstract（参考訳）: SceneHIは2次元拡散モデルから高分解能で照明を意識した先行情報を持ち上げて3次元テクスチャ合成を行うフレームワークである。 それまで2次元合成に限られていた高分解能テクスチャが、モデル微調整や最適化なしで直接3次元オブジェクトに生成できることを実証するのは、これが初めてである。 複雑なマルチオブジェクト環境のために設計されたSceneHIは、単一の生成パイプライン内に3D一貫性、高解像度の忠実さ、物理的に可塑性の焼き影を独自に組み合わせている。 厳密な幾何学的コヒーレンスを強制するために、複数の視点にまたがる拡散軌跡を整列する正確な解析的ピクセル・テクセルマッピングを導入する。 我々は,高分解能潜時テクスチャ (HRLT) を連続キャンバスとして使用し, カメラビューは潜時画素空間における分解ステップを実行する。 これにより、マルチビューの一貫性を損なうことなく、後に高解像度に洗練される共有ベーステクスチャが保証される。 最後に、光を認識可能な生成パスは、現実的な幾何学的一貫性のある影を直接アトラスに埋め込み、プロダクションワークフローとのギャップを埋める。 SceneHIは、既存のシーンレベルの方法と比較して、生成時間を80%削減しながら、高い視覚的忠実度を達成する。

関連論文リスト

• HiFiVe: High-Fidelity Vehicle Generation Leveraging Auto-Regressive 2D Generative Priors [34.92515307569406]
  HiFiVeは、高忠実度車両モデリングのためのトレーニング不要のフレームワークである。 任意の視点から高分解能なテクスチャを段階的に合成する自動回帰テクスチャ精錬パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-06-24T02:00:08Z)
• TAPESTRY: From Geometry to Appearance via Consistent Turntable Videos [65.99602532894241]
  明示的な3次元幾何学に基づく高忠実度TTVを生成するためのフレームワークであるTAPESTRYを紹介する。 また,3D-Aware Inpaintingを用いた多段パイプラインを特徴とする,TTV入力からの下流再構成タスクを設計する。 その結果,本手法はビデオの整合性と最終的な再現性の両方において,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-18T14:02:09Z)
• LaFiTe: A Generative Latent Field for 3D Native Texturing [72.05710323154288]
  既存のネイティブアプローチは、その生成したテクスチャの忠実さと一般性を著しく制限する、強力で多目的な表現が欠如しているため、疎外である。 粗い色表現と紫外パラメータ化によって制約された高品質なテクスチャを生成するLaFiTeを紹介する。
  論文  参考訳（メタデータ） (2025-12-04T13:33:49Z)
• ExScene: Free-View 3D Scene Reconstruction with Gaussian Splatting from a Single Image [4.366356163044466]
  既存の方法は、単一視点からの視野が狭い低一貫性の3Dシーンを再構成するためにしばしば制限される。 任意の単視点画像から没入型3Dシーンを再構成する2段階パイプラインであるExSceneを提案する。 ExSceneは単一ビュー入力のみを使用して一貫した没入的なシーン再構築を実現する。
  論文  参考訳（メタデータ） (2025-03-31T09:33:22Z)
• Direct and Explicit 3D Generation from a Single Image [25.207277983430608]
  マルチビュー2次元深度画像とRGB画像を用いて表面形状とテクスチャを直接生成する新しいフレームワークを提案する。 画素レベルの多視点整合性を実現するために,エピポーラの注意を潜時から画素間デコーダに組み込む。 生成した深度画素を3次元空間にバックプロジェクションすることにより、構造化された3次元表現を生成する。
  論文  参考訳（メタデータ） (2024-11-17T03:14:50Z)
• Enhancing Single Image to 3D Generation using Gaussian Splatting and Hybrid Diffusion Priors [17.544733016978928]
  単一の画像から3Dオブジェクトを生成するには、野生で撮影された未ポーズのRGB画像から、目に見えない景色の完全な3D形状とテクスチャを推定する必要がある。 3次元オブジェクト生成の最近の進歩は、物体の形状とテクスチャを再構築する技術を導入している。 本稿では, この限界に対応するために, 2次元拡散モデルと3次元拡散モデルとのギャップを埋めることを提案する。
  論文  参考訳（メタデータ） (2024-10-12T10:14:11Z)
• Hi3D: Pursuing High-Resolution Image-to-3D Generation with Video Diffusion Models [112.2625368640425]
  High- resolution Image-to-3D model (Hi3D) はビデオ拡散に基づく新しいパラダイムであり、単一の画像を3D対応シーケンシャル画像生成としてマルチビュー画像に再定義する。 Hi3Dは事前に学習した映像拡散モデルを3D対応で強化し、低解像度のテクスチャディテールを持つマルチビュー画像を生成する。
  論文  参考訳（メタデータ） (2024-09-11T17:58:57Z)
• TexFusion: Synthesizing 3D Textures with Text-Guided Image Diffusion Models [77.85129451435704]
  大規模誘導画像拡散モデルを用いて3次元テクスチャを合成する手法を提案する。 具体的には、潜時拡散モデルを利用し、セット・デノナイジング・モデルと集合・デノナイジング・テキスト・マップを適用する。
  論文  参考訳（メタデータ） (2023-10-20T19:15:29Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• StyleNeRF: A Style-based 3D-Aware Generator for High-resolution Image Synthesis [92.25145204543904]
  StyleNeRFは高解像度画像合成のための3次元認識型生成モデルである。 ニューラル放射場(NeRF)をスタイルベースジェネレータに統合する。 高品質な3D一貫性を維持しながら、対話的な速度で高解像度画像を合成することができる。
  論文  参考訳（メタデータ） (2021-10-18T02:37:01Z)
• GRAF: Generative Radiance Fields for 3D-Aware Image Synthesis [43.4859484191223]
  近年,単一シーンの新規なビュー合成に成功している放射場生成モデルを提案する。 マルチスケールのパッチベース判別器を導入し,非姿勢の2次元画像からモデルを訓練しながら高解像度画像の合成を実演する。
  論文  参考訳（メタデータ） (2020-07-05T20:37:39Z)

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。