論文の概要: Printing the Underdetermined: Materializing Multi-solutionness in Figurative Paintings

• arxiv url: http://arxiv.org/abs/2609.19782v1
• Date: Thu, 17 Sep 2026 06:50:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.126985
• Title: Printing the Underdetermined: Materializing Multi-solutionness in Figurative Paintings
• Title（参考訳）: 図形画における多解性の物質化
• Abstract要約: 図形画はしばしば、回復可能な1つの3Dシーンを描いているように描かれる。 1枚の塗装画像と互換性のある3次元構成の非特異性である多重解法を前もって検討した。
• 参考スコア（独自算出の注目度）: 33.54659755809563
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Figurative paintings are often approached as if they depict a single recoverable 3D scene: viewers infer depth and occlusion, and reconstruction pipelines attempt to converge to one stable model. We instead foreground multi-solutionness, the non-uniqueness of 3D configurations compatible with a single painted image, and propose a workflow that keeps this non-uniqueness visible and material. Multi-solutionness arises from two sources: unobserved content, where backsides and occluded volumes admit multiple plausible completions, and observed cues, where perspective, shading, and occlusion still underconstrain geometry. When additional views are synthesized by a video generative model without explicit 3D constraints, small frame-level drifts become inevitable rather than exceptional. Our pipeline samples multiple camera-orbit multi-view video sequences from one painting, reconstructs each sequence with 3D Gaussian Splatting into a point-based Gaussian scene representation where density halos and ghosting expose unresolved degrees of freedom, and fabricates these representations as physical artifacts using DreamPrinting. By treating multiple compatible interpretations as explicit outputs rather than residual error, we provide a computational framework for spatial readings of figurative painting that can be inspected, compared, and discussed in both digital and physical form.
• Abstract（参考訳）: フィギュラティブ・ペインティングはしばしば、1つの回復可能な3Dシーンを描いているようにアプローチされる: 視聴者は深さと閉塞を推測し、再構築パイプラインは1つの安定なモデルに収束しようとする。 代わりに、1枚の塗装画像と互換性のある3次元構成の非特異性である多重解法を前もって検討し、この非特異性と物質を可視化するワークフローを提案する。 多解性は2つの源から生じる: 観測されていない内容: 裏面と隠蔽された体積が複数の可視的な完結を許容し、観察された手がかり: 視界、陰影、閉塞がまだ制約されていない幾何学である。 3次元制約を明示せずにビデオ生成モデルにより追加のビューが合成されると、小さなフレームレベルのドリフトは例外ではなく避けられないものとなる。 パイプラインは1枚の絵画から複数のカメラ・オービット・マルチビュー映像シーケンスをサンプリングし、各シーケンスを3Dガウス・スプラッティングで再構成し、密度ハロやゴーストが未解決自由度を示す点ベースのガウスシーン表現とし、これらの表現をDreamPrintingを用いて物理的アーティファクトとして作成する。 複数の互換性のある解釈を残差ではなく明示的な出力として扱うことにより、図形画の空間的読影のための計算フレームワークを提供する。

関連論文リスト

• 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)
• Uncertainty-Aware Diffusion Guided Refinement of 3D Scenes [39.44244142263019]
  1枚の画像から3Dシーンを再構築することは、問題の本質が過小評価されているため、基本的に不適切な作業である。 本研究では,既存の画像から3D画像へのフィードフォワードネットワークにおいて,これらの制約に対処する。 入力画像の視界を超えた情報不足による性能低下を軽減するため、事前学習された潜伏映像拡散モデルを用いて、強い生成前を活用できる。
  論文  参考訳（メタデータ） (2025-03-19T23:14:27Z)
• CHROME: Clothed Human Reconstruction with Occlusion-Resilience and Multiview-Consistency from a Single Image [37.16845070245751]
  我々は,1つの隠蔽画像から複数視点の整合性を持つ3次元人体を再構成するための新しいパイプラインを提案する。 そして、3次元再構成モデルを用いて、隠蔽された入力と合成されたビューの両方に条件付き3次元ガウスの集合を予測する。 新規なビュー合成(最大3dbPSNR)と、挑戦的な条件下での幾何学的再構成の両方において、大幅な改善が達成されている。
  論文  参考訳（メタデータ） (2025-03-19T19:56:18Z)
• MultiDiff: Consistent Novel View Synthesis from a Single Image [60.04215655745264]
  MultiDiffは、単一のRGB画像からシーンを一貫した新しいビュー合成のための新しいアプローチである。 以上の結果から,MultiDiffは,課題の多いリアルタイムデータセットであるRealEstate10KとScanNetにおいて,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-26T17:53:51Z)
• Denoising Diffusion via Image-Based Rendering [54.20828696348574]
  実世界の3Dシーンの高速かつ詳細な再構築と生成を可能にする最初の拡散モデルを提案する。 まず、大きな3Dシーンを効率よく正確に表現できる新しいニューラルシーン表現であるIBプレーンを導入する。 第二に,2次元画像のみを用いて,この新たな3次元シーン表現の事前学習を行うためのデノイング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-05T19:00:45Z)
• 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)
• 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。