論文の概要: Visibility-Guided Structured Measure Flow for Class-Conditioned 3D Gaussian Generation

• arxiv url: http://arxiv.org/abs/2609.27778v1
• Date: Mon, 17 Aug 2026 04:54:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.965347
• Title: Visibility-Guided Structured Measure Flow for Class-Conditioned 3D Gaussian Generation
• Title（参考訳）: 視認性誘導型3次元ガウス生成のための構造流れ
• Abstract要約: クラス条件付き3次元ガウス生成のための構造化測度フローフレームワークであるVISTA-GSを提案する。 本稿では,3DGSオブジェクトの順列不変,可変サイズ互換,レンダリング対応の潜在表現を学習する可視測度VAEを提案する。 VISTA-30では、VISTA-GSが最強のベースラインを約60～72%改善し、幾何学、外観、視界の整合性エラー、生成速度が向上した。
• 参考スコア（独自算出の注目度）: 1.610916983007014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has made real-time, high-fidelity 3D rendering practical, yet turning this explicit representation into a native generative space remains an open challenge. Directly generating 3DGS objects is difficult because Gaussian primitives are unordered, variable-sized, locally dense, and highly sensitive to rendering behavior. We present VISTA-GS, a visibility-guided structured measure flow framework for class-conditioned 3D Gaussian generation. Instead of treating a 3DGS object as a flat primitive sequence or a generic latent token grid, we formulate it as a structured Gaussian measure weighted by opacity, anisotropic covariance, and multi-view visibility. Based on this formulation, we introduce a visibility-aware measure VAE that learns permutation-invariant, variable-size-compatible, and rendering-aware latent representations of 3DGS objects. We further develop a renderer-consistent measure flow that transports class-conditioned priors toward the learned 3DGS measure distribution while aligning the decoded objects with their multi-view rendering distributions. To preserve object layout and local details, VISTA-GS incorporates structure-preserving patch transport that couples global class semantics, local Gaussian measure patches, and spatial anchors during flow prediction. On VISTA-Obj30, VISTA-GS improves over the strongest baseline by roughly 60--72\% across geometry, appearance, view-consistency error, and generation speed. This design enables efficient generation of coherent, detailed, and view-consistent 3D Gaussian objects without relying on per-instance optimization, multi-view image synthesis, or reconstruction-based lifting pipelines. Project code and model checkpoints will be released.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、リアルタイムで高忠実な3Dレンダリングを実用的なものにしているが、この明示的な表現をネイティブな生成空間に変えることは、依然としてオープンな課題である。 3DGSオブジェクトを直接生成するのは困難である。 クラス条件付き3次元ガウス生成のための可視性誘導型構造化計測フローフレームワークであるVISTA-GSを提案する。 3DGSオブジェクトをフラットプリミティブシーケンスや汎用潜在トークングリッドとして扱う代わりに、不透明度、異方性共分散、多視点可視性によって重み付けられた構造付きガウス測度として定式化する。 この定式化に基づいて、3DGSオブジェクトの置換不変、可変サイズ互換、レンダリング対応潜在表現を学習する可視測度VAEを導入する。 さらに,学習した3DGS測度分布に対して,復号されたオブジェクトを多視点レンダリング分布と整列させながら,クラス条件付き先行値を移動させるレンダラ一貫性測度フローを開発した。 オブジェクトレイアウトと局所的な詳細を保存するため、VISTA-GSは、グローバルクラスセマンティクス、局所ガウス測度パッチ、フロー予測時の空間アンカーを結合した構造保存パッチトランスポートを組み込んでいる。 VISTA-Obj30では、VISTA-GSは、幾何、外観、視界の整合性エラー、生成速度を約60～72倍に改善する。 この設計により、複数ビュー画像合成や再構成に基づくリフトパイプラインに頼ることなく、コヒーレントで詳細な3Dガウスオブジェクトを効率的に生成することができる。 プロジェクトコードとモデルチェックポイントがリリースされる。

関連論文リスト

• Fusion-Aware Direct 3D Gaussian Generation with Structured Patch Latent Flows [5.696486983224005]
  クラス誘導型3Dオブジェクト生成は、インテリジェントコンテンツ作成、仮想環境、デジタルアセット設計において重要である。 本稿では,直列誘導型3DGS生成のための融合型階層型ガウスパッチ表現を提案する。
  論文  参考訳（メタデータ） (2026-08-18T01:19:53Z)
• Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
  3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。 本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
  論文  参考訳（メタデータ） (2026-08-16T09:43:50Z)
• NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
  3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:14:07Z)
• 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)
• COSMOS: Coherent Supergaussian Modeling with Spatial Priors for Sparse-View 3D Splatting [2.549594916296063]
  3D Gaussian Splatting(3DGS)は,最近3D再構築の有望なアプローチとして登場した。 この問題に対処するために,Coherent Supergaussian Modeling with Spatial Priors (COSMOS)を提案する。 Blender と DTU に関する実験により,COSMOS は外部深度監視を伴わないスパースビュー設定において最先端の手法を超越していることが示された。
  論文  参考訳（メタデータ） (2025-12-17T04:55:15Z)
• Accurate and Complete Surface Reconstruction from 3D Gaussians via Direct SDF Learning [5.604709769018076]
  3D Gaussian Splatting (3DGS) はフォトリアリスティック・ビュー・シンセサイザーの強力なパラダイムとして登場した。 3DGSパイプラインに直接サインドディスタンスフィールド(Signed Distance Field, SDF)学習を組み込む統合フレームワークであるDiGSを提案する。 DiGSは高い忠実度を維持しつつ,復元精度と完全性を常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-09T08:17:46Z)
• ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
  3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。 一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。 本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
  論文  参考訳（メタデータ） (2024-08-20T14:49:14Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)

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。