論文の概要: OREO: Fidelity Alignment in 3D Generation via On-the-fly Rendering-Editing Optimization

• arxiv url: http://arxiv.org/abs/2609.29788v1
• Date: Thu, 24 Sep 2026 13:28:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.954077
• Title: OREO: Fidelity Alignment in 3D Generation via On-the-fly Rendering-Editing Optimization
• Title（参考訳）: OREO: オンザフライレンダリング編集最適化による3次元生成における忠実度アライメント
• Abstract要約: OREOはリッチな2次元拡散プリミティブを活用することで、3Dジェネレータのリアリズムを高めるアライメントフレームワークである。 本稿では2次元モデルを用いて3次元出力の描画ビューを洗練するReinforced Editingを紹介する。 実験により、OREOはトレーニング済みのベースラインを効果的に改善し、視覚的リアリズムを増強した3Dアセットを生成することが示された。
• 参考スコア（独自算出の注目度）: 53.61894406778364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advancements in 3D generation, models often struggle to produce assets with high visual fidelity. To bridge this gap, we propose OREO, an alignment framework that enhances the realism of 3D generators by leveraging rich 2D diffusion priors. Instead of relying on static datasets, OREO establishes a dynamic optimization loop that produces on-the-fly edited renderings as 2D pseudo-targets. At its core, we introduce Reinforced Editing, which utilizes a 2D model to refine rendered views of the 3D output, enhancing their overall visual fidelity while preserving the underlying geometry, viewpoint, and content. These refined views serve as high-quality supervision targets, enabling the 3D generator to learn from its own generated samples and progressively improve its visual quality. Experiments demonstrate that OREO effectively improves upon pre-trained baselines, producing 3D assets with enhanced visual realism.
• Abstract（参考訳）: 近年の3D世代の発展にもかかわらず、モデルはしばしば高視力の資産を生産するのに苦労している。 このギャップを埋めるために,リッチな2次元拡散前処理を活用することで3次元ジェネレータのリアリズムを高めるアライメントフレームワークOREOを提案する。 静的データセットに頼る代わりに、OREOは動的最適化ループを確立し、2D擬似ターゲットとしてオンザフライで編集されたレンダリングを生成する。 その中心となるのはReinforced Editingであり、これは2次元モデルを用いて3次元出力のレンダリングビューを洗練し、基礎となる幾何学、視点、コンテンツを保存しながら、全体の視覚的忠実度を向上させる。 これらの洗練されたビューは高品質な監視ターゲットとして機能し、3Dジェネレータが独自の生成されたサンプルから学習し、視覚的品質を徐々に改善することを可能にする。 実験により、OREOはトレーニング済みのベースラインを効果的に改善し、視覚的リアリズムを増強した3Dアセットを生成することが示された。

関連論文リスト

• Nabla-R2D3: Effective and Efficient 3D Diffusion Alignment with 2D Rewards [50.11670979234838]
  Nabla-R2D3は、2D報酬を用いた3Dネイティブ拡散モデルの強化学習フレームワークである。 我々の実験では、バニラファインチュニングベースラインが収束に苦しむか、報酬のハッキングに苦しむのと異なり、Nabla-R2D3は一貫してより高い報酬を達成し、いくつかの微調整ステップで事前の忘れを減らしている。
  論文  参考訳（メタデータ） (2025-06-18T17:59:59Z)
• CDI3D: Cross-guided Dense-view Interpolation for 3D Reconstruction [25.468907201804093]
  大規模再構成モデル (LRM) は, 2次元拡散モデルにより生成された多視点画像を利用して3次元コンテンツを抽出する際の大きな可能性を示している。 しかし、2次元拡散モデルはしばしば、強い多視点一貫性を持つ高密度画像を生成するのに苦労する。 CDI3Dは,高画質で高画質な3D画像生成を実現するためのフィードフォワードフレームワークである。
  論文  参考訳（メタデータ） (2025-03-11T03:08:43Z)
• TripoSG: High-Fidelity 3D Shape Synthesis using Large-Scale Rectified Flow Models [69.0220314849478]
  TripoSGは、入力画像に正確に対応した高忠実度3Dメッシュを生成することができる新しい合理化形状拡散パラダイムである。 結果として得られた3D形状は、高解像度の能力によって細部が強化され、入力画像に異常な忠実さを示す。 3Dジェネレーションの分野における進歩と革新を促進するため、我々はモデルを一般公開する。
  論文  参考訳（メタデータ） (2025-02-10T16:07:54Z)
• Retrieval-Augmented Score Distillation for Text-to-3D Generation [30.57225047257049]
  テキストから3D生成における検索に基づく品質向上のための新しいフレームワークを提案する。 我々はReDreamが幾何整合性を高めて優れた品質を示すことを示すために広範な実験を行った。
  論文  参考訳（メタデータ） (2024-02-05T12:50:30Z)
• Text-to-3D Generation with Bidirectional Diffusion using both 2D and 3D priors [16.93758384693786]
  双方向拡散(Bidirectional Diffusion、BiDiff)は、3次元と2次元の拡散プロセスの両方を組み込んだ統合フレームワークである。 我々のモデルは高品質で多種多様でスケーラブルな3D生成を実現する。
  論文  参考訳（メタデータ） (2023-12-07T10:00:04Z)
• Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
  本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。 VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
  論文  参考訳（メタデータ） (2020-07-14T14:45:00Z)

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。