論文の概要: ToW3D: Consistency-aware Interactive Point-based Mesh Editing on GANs

• arxiv url: http://arxiv.org/abs/2609.26078v1
• Date: Mon, 03 Aug 2026 12:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.868269
• Title: ToW3D: Consistency-aware Interactive Point-based Mesh Editing on GANs
• Title（参考訳）: ToW3D: 一貫性を意識した対話型ポイントベースメッシュ編集
• Abstract要約: ToW3Dは3次元生成逆数ネットワーク(GAN)の精密かつ一貫した制御を可能にする ToW3Dは3次元生成逆数ネットワーク(GAN)の精密かつ一貫した制御を可能にする。
• 参考スコア（独自算出の注目度）: 35.43754328453112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose ToW3D that enables precise and consistent control over 3D generative adversarial networks (GANs) with the Tug-of-War competition between shape deformation and appearance consistency. Existing point-based GAN editing methods such as DragGAN and GANWarping have yielded impressive performance for 2D image manipulation. However, as 3D generators present weaker generalization ability compared with 2D due to limited training data, they would suffer from drastic changes in global appearance when editing local areas of meshes. To address this, we design a pipeline of ``drag locally, shove globally'', which iteratively performs two optimization steps: 1) pull the point towards the target, and 2) push the structure and semantics back to the source. Specifically, we design a structure adaption module based on structure which guarantees the preservation of basic geometric properties, and a semantic preservation module that maintains semantic similarity across different views. Extensive qualitative and quantitative experiments demonstrate superiority of our ToW3D approach over prior methods in terms of appearance consistency and fidelity especially under large deformations.
• Abstract（参考訳）: 本稿では,形状変形と外観整合性のTug-of-War競合による3次元生成対向ネットワーク(GAN)の高精度かつ一貫した制御を可能にするToW3Dを提案する。 DragGAN や GANWarping のような既存の点ベース GAN 編集手法は、2次元画像操作に優れた性能をもたらした。 しかし、3Dジェネレータは訓練データに制限があるため2Dに比べて一般化能力が弱いため、メッシュの局所的な領域を編集する際のグローバルな外観の変化に悩まされる。 この問題に対処するため、我々は '`drag local, shove global''' のパイプラインを設計し、2つの最適化手順を反復的に実行した。 1)目標に向かってポイントを引いて 2) 構造とセマンティクスをソースに戻す。 具体的には、基本的な幾何学的特性の保存を保証する構造に基づく構造適応モジュールと、異なる視点における意味的類似性を維持する意味保存モジュールを設計する。 広範囲な定性的および定量的実験により、特に大きな変形下での外観の整合性と忠実度の観点から、従来の方法よりもToW3Dアプローチの方が優れていることが示された。

関連論文リスト

• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• VGGT-Edit: Feed-forward Native 3D Scene Editing with Residual Field Prediction [59.303842406260124]
  VGGT-Editはテキスト条件のネイティブ3Dシーン編集のためのフィードフォワードフレームワークである。 本研究では,奥行き同期テキストインジェクションを導入し,意味的指導をバックボーンの空間的ポーズと整合させる。 VGGT-Editは2Dリフトベースラインを大幅に上回り、よりシャープなオブジェクトの詳細、より強力なマルチビュー一貫性、ほぼインスタントな推論速度を生み出している。
  論文  参考訳（メタデータ） (2026-05-14T17:59:04Z)
• GemDepth: Geometry-Embedded Features for 3D-Consistent Video Depth [12.866152238833104]
  ビデオ深度推定は、一眼的予測を時間領域に拡張し、コヒーレンスを確保する。 現在のアプローチは主にトランスフォーマーによる時間的平滑化に依存しており、厳密な3次元幾何学的整合性を維持するのに苦労している。 GemDepthは,カメラモーションとグローバル3D構造を明確に認識することが3D一貫性の前提条件である,という知見に基づいて構築されたフレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T13:11:54Z)
• Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing [63.141976759536625]
  テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。 生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。 包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
  論文  参考訳（メタデータ） (2026-01-20T16:03:22Z)
• Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
  本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。 従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。 我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
  論文  参考訳（メタデータ） (2026-01-05T18:33:50Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)

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。