論文の概要: CODA: Depth-Aligned Scene Completion and Object Decomposition from a Single RGB-D Image

• arxiv url: http://arxiv.org/abs/2609.25654v1
• Date: Tue, 22 Sep 2026 04:04:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.216609
• Title: CODA: Depth-Aligned Scene Completion and Object Decomposition from a Single RGB-D Image
• Title（参考訳）: CODA:1枚のRGB-D画像からの深度調整されたシーン補完とオブジェクト分解
• Abstract要約: 一つの未分割RGB-D画像から完全なシーン形状を再構成する生成モデルであるCODA(Complete Once, Decompose Afterward)を紹介する。 このドリフトを減らすため、CODAは2つの明示的な3Dグラウンド機構を使用して、観察された表面と整合した再構成された幾何を維持する。
• 参考スコア（独自算出の注目度）: 7.669605176146935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots operating safely in cluttered everyday environments often need to infer scene geometry from partial observations. Methods that detect objects in 2D and reconstruct them independently struggle in such scenes: a missed object is never reconstructed, a merged detection can fuse two objects, and separately reconstructed meshes may overlap or fail to touch their supporting surfaces. We introduce CODA (Complete Once, Decompose Afterward), a generative model that instead reconstructs the complete scene geometry from a single unsegmented RGB-D image, then separates the surface into the surrounding environment and movable objects. Still, generated scene geometry can drift from the observed partial point cloud. To reduce this drift, CODA uses two explicit 3D grounding mechanisms to keep reconstructed geometry consistent with observed surfaces while completing unseen regions. Experiments on HomebrewedDB and our custom cluttered-scene dataset show more accurate reconstructions and a higher fraction of objects remaining in place under simulated gravity than both object-first and scene-first baselines.
• Abstract（参考訳）: 散らかった日常環境で安全に操作するロボットは、部分的な観察からシーン幾何学を推測する必要があることが多い。 2次元の物体を検知し、それらを独立して再構成する方法は、このような場面で苦労する: 失われた物体は決して再構成されず、統合された検出は2つの物体を融合させ、別々に再構成されたメッシュは重なり合うか、支持面に触れることができない。 生成モデルとしてCODA(Complete Once, Decompose Afterward)を導入し,1つの未分割RGB-D画像から全シーン形状を再構成し,表面を周囲の環境と可動物体に分離する。 それでも、生成されたシーン幾何学は、観測された部分点雲からドリフトすることができる。 このドリフトを減らすため、CODAは2つの明示的な3Dグラウンド機構を使用して、観察された表面と整合した形状を維持しながら、目に見えない領域を完成させる。 HomebrewedDBと我々のカスタム・クラッタ・シーン・データセットの実験では、オブジェクトファーストベースラインとシーンファーストベースラインの両方よりも精度が高く、シミュレーション重力下で残ったオブジェクトの比率が高いことが示されている。

関連論文リスト

• WorldSculpt: Generating Compositional Worlds from Grounded Videos [50.427204240556854]
  本研究では,数百個のオブジェクトを含む散在するシーンの合成3次元表現を生成する問題について検討する。 この課題は、物体が互いに強く干渉し合うような密集したシーンにおいて挑戦的であり、それぞれのビューはその幾何のごく一部しか明らかにしない。 多視点観察に先立ち、強い単物体3D生成を適応させることにより、数百個の物体からなる複雑なシーンを合成的に生成できることが示される。
  論文  参考訳（メタデータ） (2026-09-04T17:59:35Z)
• GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
  本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。 結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
  論文  参考訳（メタデータ） (2026-06-02T17:13:01Z)
• SAM3D-Phys: Towards Multi-Object Interactive Simulation in Real World [42.46212677643043]
  SAM3D-Physは、シーン再構成とSAM3Dの3D先行生成を統合し、物理的にシミュレート可能なオブジェクトを復元するフレームワークである。 完全なオブジェクト形状を復元し、シーン内のポーズと外観を復元することにより、SAM3D-Physは物理シミュレーションに適したクリーンなオブジェクト表現を生成する。
  論文  参考訳（メタデータ） (2026-05-28T17:07:51Z)
• Betsu-Betsu: Multi-View Separable 3D Reconstruction of Two Interacting Objects [67.96148051569993]
  本稿では, 近接相互作用中の2つの物体の形状と外観を再構成し, 両者を3次元で解離させるニューロ・インシシシット法を提案する。 フレームワークはエンドツーエンドのトレーニングが可能で、新しいアルファブレンディング正規化を使用して管理されている。 我々は,人間と物体の密接な相互作用からなる新しいデータセットを導入するとともに,武道を行う人間の2つの場面について評価する。
  論文  参考訳（メタデータ） (2025-02-19T18:59:56Z)
• CAST: Component-Aligned 3D Scene Reconstruction from an RGB Image [44.8172828045897]
  現在のメソッドはドメイン固有の制限や低品質のオブジェクト生成に悩まされることが多い。 本稿では,3次元シーンの復元と復元のための新しい手法であるCASTを提案する。
  論文  参考訳（メタデータ） (2025-02-18T14:29:52Z)
• Zero-Shot Multi-Object Scene Completion [59.325611678171974]
  1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。 提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-03-21T17:59:59Z)
• CoReNet: Coherent 3D scene reconstruction from a single RGB image [43.74240268086773]
  我々は1つのRBG画像のみを入力として与えられた1つの物体の形状を再構築する深層学習の進歩の上に構築する。 提案する3つの拡張は,(1)局所的な2次元情報を物理的に正しい方法で出力3Dボリュームに伝播するレイトレーシングスキップ接続,(2)翻訳同変モデルの構築を可能にするハイブリッド3Dボリューム表現,(3)全体オブジェクトの形状を捉えるために調整された再構成損失である。 すべての物体がカメラに対して一貫した1つの3次元座標フレームに居住し、3次元空間内では交差しないコヒーレントな再構成を実現する。
  論文  参考訳（メタデータ） (2020-04-27T17:53:07Z)

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。