論文の概要: OmniFabric: Coherent UV Space Texture Synthesis for 3D Garment Reconstruction

• arxiv url: http://arxiv.org/abs/2609.30234v1
• Date: Thu, 24 Sep 2026 17:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.195275
• Title: OmniFabric: Coherent UV Space Texture Synthesis for 3D Garment Reconstruction
• Title（参考訳）: OmniFabric:3次元ガーメント再構成のためのコヒーレントUV空間テクスチャ合成
• Abstract要約: OmniFabricは2次元縫製パターン空間内で,グローバルコヒーレントなテクスチャマップを直接合成する新しい手法である。 単一の参照画像が与えられた場合、私たちのパイプラインは、推定された3Dメッシュと、強力なビジョンランゲージモデルの生成先を利用する。 次に, 自動合成データエンジンを用いて訓練し, 3次元位置特徴を条件とした, 特殊拡散変圧器を利用する。 これにより、歪みや焼き込みアーティファクトを効果的に除去し、元の衣服デザインを保存した清潔で正規化されたテクスチャマップを抽出する。
• 参考スコア（独自算出の注目度）: 86.21132188488546
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated generation of production-ready 3D garment assets from a single image is a central challenge in digital content creation. While recent generative models have significantly advanced 3D geometry reconstruction, synthesizing high-quality textures remains a bottleneck. Existing methods often bake environmental illumination and shadows directly into the texture map, or they fail to maintain global structural coherence, making the resulting assets unusable for physical simulation and relighting. In this work, we introduce OmniFabric, a novel approach that synthesizes globally coherent texture maps directly within the 2D sewing pattern space. Given a single reference image, our pipeline utilizes an estimated 3D mesh and generative priors of powerful Vision-Language Models (VLM) to establish a complete but coarse texture initialization across the unwrapped sewing patterns. We then leverage a specialized diffusion transformer, trained via an automated synthetic data engine and conditioned on 3D positional features, to refine this initialization directly in the canonical UV domain. This effectively removes distortion and baked-in artifacts to extract a clean and normalized texture map that preserves the original garment design. Extensive experiments demonstrate that OmniFabric significantly outperforms state-of-the-art baselines, yielding photorealistic 3D garments with high-quality textures.
• Abstract（参考訳）: 1枚の画像から生産可能な3D衣料品の自動生成は、デジタルコンテンツ制作における中心的な課題である。 最近の生成モデルでは3次元形状の再構成が著しく進んでいるが、高品質なテクスチャの合成はいまだにボトルネックとなっている。 既存の方法では、環境照明や影を直接テクスチャマップに焼き込むか、グローバルな構造的コヒーレンスを維持するのに失敗し、その結果の資産は物理的シミュレーションやリライティングには使用できない。 本研究は,2次元縫製パターン空間内でのグローバルコヒーレントなテクスチャマップを直接合成する手法であるOmniFabricを紹介する。 単一の参照画像が与えられた場合、パイプラインは、推定された3次元メッシュと、強力なビジョン・ランゲージ・モデル(VLM)の生成前駆体を用いて、未包装の縫製パターン全体にわたって完全な、粗いテクスチャ初期化を確立する。 次に、自動合成データエンジンを用いて訓練し、3次元位置特徴を条件とした特殊拡散変換器を用い、この初期化を標準UV領域で直接洗練する。 これにより、歪みや焼き込みアーティファクトを効果的に除去し、元の衣服デザインを保存した清潔で正規化されたテクスチャマップを抽出する。 大規模な実験により、OmniFabricは最先端のベースラインを大きく上回り、高品質なテクスチャを備えたフォトリアリスティックな3D衣服を生み出した。

関連論文リスト

• TAPESTRY: From Geometry to Appearance via Consistent Turntable Videos [65.99602532894241]
  明示的な3次元幾何学に基づく高忠実度TTVを生成するためのフレームワークであるTAPESTRYを紹介する。 また,3D-Aware Inpaintingを用いた多段パイプラインを特徴とする,TTV入力からの下流再構成タスクを設計する。 その結果,本手法はビデオの整合性と最終的な再現性の両方において,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-18T14:02:09Z)
• GarmentPainter: Efficient 3D Garment Texture Synthesis with Character-Guided Diffusion Model [15.770752653490733]
  GarmentPainterは、高品質で3D対応のテクスチャをUV空間で合成するためのフレームワークである。 本手法では,UV位置マップを3次元構造ガイダンスとして活用し,布地表面におけるテクスチャの整合性を確保する。
  論文  参考訳（メタデータ） (2026-03-09T11:01:22Z)
• LaFiTe: A Generative Latent Field for 3D Native Texturing [72.05710323154288]
  既存のネイティブアプローチは、その生成したテクスチャの忠実さと一般性を著しく制限する、強力で多目的な表現が欠如しているため、疎外である。 粗い色表現と紫外パラメータ化によって制約された高品質なテクスチャを生成するLaFiTeを紹介する。
  論文  参考訳（メタデータ） (2025-12-04T13:33:49Z)
• A Scalable Attention-Based Approach for Image-to-3D Texture Mapping [3.8476192001237597]
  高品質なテクスチャは、リアルな3Dコンテンツ作成に不可欠です。 既存の生成法は遅く、紫外線マップに依存しており、しばしば参照画像に忠実に保たない。 本稿では,1つの画像とメッシュから直接3次元テクスチャ場を予測するトランスフォーマーベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-05T14:18:52Z)
• SeqTex: Generate Mesh Textures in Video Sequence [62.766839821764144]
  本稿では3次元テクスチャ生成モデルのトレーニングのための新しいエンドツーエンドフレームワークであるSeqTexを紹介する。 画像条件とテキスト条件の両テクスチャ生成タスクにおいて,SeqTexは最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-07-06T07:58:36Z)
• UniTEX: Universal High Fidelity Generative Texturing for 3D Shapes [35.667175445637604]
  二段階テクスチャ生成フレームワークUniTEXを提案する。 UniTEXは、既存のアプローチに比べて視覚的品質とテクスチャの整合性が優れている。
  論文  参考訳（メタデータ） (2025-05-29T08:58:41Z)
• RomanTex: Decoupling 3D-aware Rotary Positional Embedded Multi-Attention Network for Texture Synthesis [10.350576861948952]
  RomanTexはマルチビューベースのテクスチャ生成フレームワークで、マルチアテンションネットワークと基礎となる3D表現を統合している。 本手法はテクスチャの品質と整合性を実現する。
  論文  参考訳（メタデータ） (2025-03-24T17:56:11Z)
• TEXGen: a Generative Diffusion Model for Mesh Textures [63.43159148394021]
  我々は、UVテクスチャ空間自体における学習の根本的な問題に焦点を当てる。 本稿では,点クラウド上にアテンション層を持つUVマップ上の畳み込みをインターリーブするスケーラブルなネットワークアーキテクチャを提案する。 テキストプロンプトとシングルビュー画像によって導かれるUVテクスチャマップを生成する7億のパラメータ拡散モデルを訓練する。
  論文  参考訳（メタデータ） (2024-11-22T05:22:11Z)
• TexFusion: Synthesizing 3D Textures with Text-Guided Image Diffusion Models [77.85129451435704]
  大規模誘導画像拡散モデルを用いて3次元テクスチャを合成する手法を提案する。 具体的には、潜時拡散モデルを利用し、セット・デノナイジング・モデルと集合・デノナイジング・テキスト・マップを適用する。
  論文  参考訳（メタデータ） (2023-10-20T19:15:29Z)

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。