論文の概要: ParticleSplat: Self-supervised Object-centric Latent Particle Splatting

• arxiv url: http://arxiv.org/abs/2609.19463v1
• Date: Wed, 16 Sep 2026 22:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.023532
• Title: ParticleSplat: Self-supervised Object-centric Latent Particle Splatting
• Title（参考訳）: ParticleSplat: 自己監督型オブジェクト中心ラテントパーティクルスプレイティング
• Abstract要約: 本研究では,シーンを「粒子」の集合に分解する自己教師型オブジェクト中心学習手法であるParticleSplatを提案する。 我々のモデルは、複数のビューとカメラのポーズを共有の3Dオブジェクト中心の潜在空間にエンコードし、その後、粒子を粒子配向の3Dガウスに変換し、その構成が全シーンを再構成する。 シミュレーションおよび実世界のデータセットにおいて、この定式化は本質的に、監督なしでオブジェクトマスクを学習し、制御可能な3Dシーン編集をサポートすることを示す。
• 参考スコア（独自算出の注目度）: 37.87746840602737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ParticleSplat, a self-supervised object-centric learning method that decomposes scenes into a set of latent ''particles'' representing semantic entities through feedforward 3D Gaussian Splatting. Building on the Deep Latent Particles (DLP) framework, which represents images as a set of particles with attributes such as position, scale, and visual appearance, we address a key limitation of DLP: its inherently 2D nature, which prevents explicit 3D spatial and geometric reasoning that are critical for downstream tasks such as robotic manipulation. Leveraging the structural similarity between latent particles and 3D Gaussian primitives, we introduce a 3D latent particle space trained with a novel view synthesis objective. Our model jointly encodes multiple views with camera poses into a shared 3D object-centric latent space, then transforms particles into particle-aligned 3D Gaussians whose composition reconstructs the full scene. On simulated and real-world datasets, we show that this formulation inherently learns object masks without supervision and supports controllable 3D scene editing, such as moving objects by modifying particles in the latent space. We further establish that the learned 3D representation improves downstream performance on robotic manipulation tasks.
• Abstract（参考訳）: 本研究では,3次元ガウススプラッティングによりシーンを意味的実体を表す「粒子」の集合に分解する自己教師型オブジェクト中心学習手法であるParticleSplatを提案する。 画像を位置,スケール,視覚的外観などの特性を持つ粒子の集合として表現するDeep Latent Particles (DLP) フレームワーク上に構築し,DLPの重要な限界,すなわち,ロボット操作などの下流作業において重要な3次元空間的および幾何学的推論を,本質的に2次元に制限する性質に対処する。 潜在粒子と3次元ガウス原始体の構造的類似性を利用して、新しいビュー合成目的によって訓練された3次元潜在粒子空間を導入する。 我々のモデルは、複数のビューとカメラのポーズを共有の3Dオブジェクト中心の潜在空間にエンコードし、その後、粒子を粒子配向の3Dガウスに変換し、その構成が全シーンを再構成する。 シミュレーションおよび実世界のデータセットにおいて、この定式化は本質的に監督なしで物体マスクを学習し、潜時空間の粒子を変形させることによって物体を移動させるような制御可能な3Dシーン編集をサポートすることを示す。 さらに,学習した3D表現により,ロボット操作タスクの下流性能が向上することが確認された。

関連論文リスト

• 3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning [37.932415885988924]
  シーンレベルのRGB-Dまたはボクセル観測を3次元潜在粒子群に分解する自己教師型オブジェクト中心表現学習モデルである3D-DLPを導入する。 このモデルは、エンド・ツー・エンドの自己監督的再構成目的を通して、粒子ごとの分割マップを解釈できる。 これらのコンパクトな3次元潜伏粒子を下流ロボット操作に利用することにより,ベースラインよりも性能が向上することを示す。
  論文  参考訳（メタデータ） (2026-06-17T18:00:08Z)
• GenMatter: Perceiving Physical Objects with Generative Matter Models [50.121713214509604]
  人間は、独立して移動可能な物質塊を構成する移動体をしっかりと分断する。 既存のコンピュータビジョンシステムは、様々な設定で機能する統一されたアプローチを欠いている。 階層的に低レベルの運動キューと高レベルの外観特徴を粒子にグループ化する生成モデルを提案する。
  論文  参考訳（メタデータ） (2026-04-24T02:18:18Z)
• Drag4D: Align Your Motion with Text-Driven 3D Scene Generation [77.79131321983677]
  Drag4Dはインタラクティブなフレームワークで、テキスト駆動の3Dシーン生成にオブジェクトの動き制御を統合する。 このフレームワークにより、ユーザーは単一の画像から生成された3Dオブジェクトに対して3Dトラジェクトリを定義し、それらを高品質な3D背景にシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-09-26T05:23:45Z)
• Chirpy3D: Creative Fine-grained 3D Object Fabrication via Part Sampling [128.23917788822948]
  Chirpy3Dは、ゼロショット設定で微細な3Dオブジェクトを生成するための新しいアプローチである。 モデルは、可塑性な3D構造を推測し、きめ細かい細部を捉え、新しい物体に一般化する必要がある。 我々の実験では、Cirpy3Dは、高品質できめ細かな細部を持つ創造的な3Dオブジェクトを生成する既存の手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2025-01-07T21:14:11Z)
• PartGen: Part-level 3D Generation and Reconstruction with Multi-View Diffusion Models [63.1432721793683]
  テキスト,画像,構造化されていない3Dオブジェクトから意味のある部分からなる3Dオブジェクトを生成する新しいアプローチであるPartGenを紹介する。 提案手法は, 生成された実物および実物の3次元資産に対して評価し, セグメンテーションおよび部分抽出ベースラインを大きなマージンで上回っていることを示す。
  論文  参考訳（メタデータ） (2024-12-24T18:59:43Z)
• Neural Groundplans: Persistent Neural Scene Representations from a Single Image [90.04272671464238]
  本稿では,シーンの2次元画像観察を永続的な3次元シーン表現にマッピングする手法を提案する。 本稿では,永続的でメモリ効率のよいシーン表現として,条件付きニューラルグラウンドプランを提案する。
  論文  参考訳（メタデータ） (2022-07-22T17:41:24Z)
• GaussiGAN: Controllable Image Synthesis with 3D Gaussians from Unposed Silhouettes [48.642181362172906]
  対象物の粗い3次元表現を多視点2次元マスク監視から学習するアルゴリズムを提案する。 既存のボクセルを用いた物体再構成法とは対照的に,提案手法は生成した形状やポーズを表現することを学ぶ。 リアル照明を用いた合成データセットの結果を示し、対話的なポーズによるオブジェクト挿入を実証する。
  論文  参考訳（メタデータ） (2021-06-24T17:47:58Z)

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。