論文の概要: GenNVS: Geometry-enhanced Novel View Synthesis via Disentangled 3D Prior
- arxiv url: http://arxiv.org/abs/2609.34579v1
- Date: Mon, 28 Sep 2026 08:23:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.749305
- Title: GenNVS: Geometry-enhanced Novel View Synthesis via Disentangled 3D Prior
- Title（参考訳）: GenNVS: 斜め3次元前駆体による幾何学強化された新しいビュー合成
- Abstract要約: GenNVSは、幾何学的に拡張された新しいビュー合成のためのフレームワークである。
GenNVSは、視覚的品質と幾何学的精度の両方において、最近の手法に対して好適に機能することを示す。
- 参考スコア（独自算出の注目度）: 14.584126589973023
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-image novel view synthesis remains challenging because the underlying 3D geometry is highly ambiguous. Recent diffusion-based approaches produce plausible results, but they often struggle to preserve the geometric structure and spatial coherence of foreground objects. We present GenNVS, a framework for geometry-enhanced novel view synthesis via a disentangled 3D prior. Specifically, GenNVS models foreground objects and the background with 3D Gaussian Splatting and aligns them through a coarse-to-fine geometric optimization process to form a unified 3D scene. This scene conditions a video diffusion model through the proposed Dual-Stream Masking mechanism, which guides synthesis by jointly exploiting rendered validity masks and geometry-aware warping. Experimental results show that GenNVS performs favorably against recent methods in both visual quality and geometric accuracy, while naturally supporting flexible scene editing.
- Abstract（参考訳）: 基礎となる3次元幾何学は極めて曖昧であるため、シングルイメージの新規なビュー合成は依然として困難である。
最近の拡散に基づくアプローチは、もっともらしい結果をもたらすが、それらはしばしば、前景の幾何学的構造と空間的コヒーレンスを維持するのに苦労する。
GenNVSは、幾何学的に拡張された新しいビュー合成のためのフレームワークである。
具体的には、GenNVSは、前景オブジェクトと背景を3Dガウススプラッティングでモデル化し、粗い幾何学的最適化プロセスを通じて整列し、統一された3Dシーンを形成する。
このシーンでは、レンダリングされた妥当性マスクと幾何認識のワープを併用して合成を誘導するDual-Stream Masking機構により、ビデオ拡散モデルを条件付けている。
実験結果から,GenNVSはフレキシブルなシーン編集を自然にサポートしながら,視覚的品質と幾何学的精度の両方において,近年の手法に対して好適に機能することが示された。
関連論文リスト
- GeoNVS: Geometry Grounded Video Diffusion for Novel View Synthesis [73.97869945427645]
GeoNVSは、幾何学的忠実度とカメラ制御性の両方を明示的な3D幾何学的ガイダンスによって強化する新規なビューシンセサイザーである。
GS-Adapterは3次元ガウス表現に入力ビュー拡散特徴を持ち上げ、幾何学的に矛盾しない表現を補正するために拡散特徴を適応的に融合させる。
9シーンと18設定の実験では最先端のパフォーマンスを示し、SEVAやCameraCtrlよりも11.3%、14.9%改善されている。
論文 参考訳（メタデータ） (2026-03-16T08:23:00Z) - AlignGS: Aligning Geometry and Semantics for Robust Indoor Reconstruction from Sparse Views [18.361136390711415]
屋内シーンのセマンティックにリッチな3Dモデルへの需要は急速に増加しており、拡張現実、仮想現実、ロボット工学の応用によって推進されている。
既存の手法は、しばしば意味論を、既に形成され、潜在的に欠陥のある幾何学に描かれた受動的特徴として扱う。
本稿では、このビジョンを実現する新しいフレームワークであるAlignGSを紹介し、幾何学と意味論の相乗的でエンドツーエンドの最適化を開拓する。
論文 参考訳（メタデータ） (2025-10-09T06:30:20Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - Geometry and Perception Guided Gaussians for Multiview-consistent 3D Generation from a Single Image [10.648593818811976]
既存のアプローチはしばしば、微調整された事前訓練された2D拡散モデルや、高速ネットワーク推論を通じて直接3D情報を生成することに依存している。
本稿では,新たなモデルトレーニングを必要とせず,幾何学と知覚情報をシームレスに統合する新しい手法を提案する。
実験結果から,新しい視点合成法や3次元再構成法よりも優れ,頑健で一貫した3次元オブジェクト生成を実証した。
論文 参考訳（メタデータ） (2025-06-26T11:22:06Z) - Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。
手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。
生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
論文 参考訳（メタデータ） (2025-06-13T16:19:00Z) - SceneCompleter: Dense 3D Scene Completion for Generative Novel View Synthesis [21.44625641186402]
SceneCompleterは、高密度な3Dシーンの完成を通して、3D一貫性のある新規なビュー合成を実現する新しいフレームワークである。
構造的およびテクスチャ的情報を効果的に融合させることにより,多様なデータセットをまたいだ生成的新規ビュー合成において,優れたコヒーレンスと妥当性を示す。
論文 参考訳（メタデータ） (2025-06-12T17:59:56Z) - G-NeRF: Geometry-enhanced Novel View Synthesis from Single-View Images [45.66479596827045]
我々は,幾何誘導多視点合成手法により,幾何先行性を高めるための幾何強調型NeRF(G-NeRF)を提案する。
単一視点画像に対する多視点監視の欠如に対処するために,深度認識型トレーニングアプローチを設計する。
論文 参考訳（メタデータ） (2024-04-11T04:58:18Z) - 3D GAN Inversion with Facial Symmetry Prior [42.22071135018402]
3D GANとGANの反転法を関連付けて、実際の画像をジェネレータの潜伏空間に投影することは自然である。
顔の対称性を事前に導入することで3D GANのインバージョンを促進する新しい手法を提案する。
論文 参考訳（メタデータ） (2022-11-30T11:57:45Z) - Deep Geometric Texture Synthesis [83.9404865744028]
幾何学的テクスチャを合成するための新しい枠組みを提案する。
単一の参照3Dモデルの局所的な近傍からテクスチャ統計を学習する。
我々のネットワークはメッシュ頂点を任意の方向に変位させ、幾何学的テクスチャの合成を可能にする。
論文 参考訳（メタデータ） (2020-06-30T19:36:38Z)
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。