論文の概要: FILIGREE3D: Scaling Sparse Latent Flow Matching for Ultra-High-Resolution Image-to-3D Generation

• arxiv url: http://arxiv.org/abs/2609.34900v1
• Date: Mon, 28 Sep 2026 11:05:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:53:33.809901
• Title: FILIGREE3D: Scaling Sparse Latent Flow Matching for Ultra-High-Resolution Image-to-3D Generation
• Title（参考訳）: FILIGREE3D:超高分解能画像-3D生成のためのスパース遅延流マッチング
• Abstract要約: 超高解像度に画像から3D生成をスケールするには、微妙な幾何学的詳細を犠牲にすることなく、急速に増大する計算コストを制御する必要がある。 一つの画像から最大20483ドルまでのボクセル解像度で3次元形状を生成する,ススパース遅延フローマッチングフレームワークである textbfFiligree3D を提案する。
• 参考スコア（独自算出の注目度）: 10.862378991353301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scaling image-to-3D generation to ultra-high resolutions requires controlling rapidly growing computational costs without sacrificing fine geometric detail. We present \textbf{Filigree3D}, a sparse latent flow-matching framework that generates 3D geometry from a single image at voxel resolutions up to $2048^3$, with straightforward extensibility to $4096^3$. To make training tractable, we introduce Structure-Aware Sparse Scaling, which combines spatial bounding with alternating local-global attention to constrain token growth while preserving both fine-scale details and long-range structural context. To enhance detail reconstruction, we curate training samples based on their high-resolution geometric gains and inject multi-scale image features into a sparse 3D DiT, effectively coupling structural semantics with fine-grained visual cues. Furthermore, a visibility-aware voxel regularization strategy improves robustness against sparse perturbations and facilitates the completion of unobserved geometry. Under our default configuration, Filigree3D maintains peak GPU memory consumption within practical limits for contemporary hardware, enabling the generation of highly intricate 3D geometry in approximately one minute. Extensive experiments demonstrate that our method yields substantial improvements in overall geometric fidelity and fine-detail preservation compared to existing baselines, validating practical, detail-preserving 3D generation at unprecedented resolutions.
• Abstract（参考訳）: 超高解像度に画像から3D生成をスケールするには、微妙な幾何学的詳細を犠牲にすることなく、急速に増大する計算コストを制御する必要がある。 ボクセル解像度が最大2048^3$の単一画像から3次元幾何学を生成できる,スパース遅延フローマッチングフレームワークである \textbf{Filigree3D} を,4096^3$の直接拡張性で提示する。 本研究では, 空間境界と局所的空間的注意の交互化と制約トークン成長を併用し, 微細な細部と長距離構造の両方を保存した構造認識スパーススケーリングを提案する。 より詳細な再現性を高めるため,高分解能な幾何学的ゲインに基づいてトレーニングサンプルをキュレートし,スパース3D DiTにマルチスケール画像特徴を注入し,構造的意味論をきめ細かな視覚的手がかりと効果的に結合する。 さらに、視認可能なボクセル正規化戦略は、スパース摂動に対する堅牢性を向上し、観測されていない幾何学の完成を促進する。 デフォルト設定では、Filigree3Dは、現在のハードウェアの実用的な限界内でGPUメモリのピーク消費を維持しており、高度に複雑な3D形状を約1分で生成できる。 大規模な実験により, 従来のベースラインに比べて幾何的忠実度および細部保存性が著しく向上し, 前例のない精度で実用的, 詳細保存可能な3D生成が検証された。

関連論文リスト

• Federated 3D Gaussian Splatting for Large-Scale Scene Reconstruction at Wireless Edge [63.63984803717389]
  3次元ガウススプラッティング(3D-GS)は大規模なシーン再構築に有望な技術である。 本稿では,大規模シーンの3D-GSモデルを効率的に学習するための新しい資源効率学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-26T02:59:00Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• DetailGen3D: Generative 3D Geometry Enhancement via Data-Dependent Flow [44.72037991063735]
  DetailGen3Dは、生成された3D形状を強化するために特別に設計されたジェネレーティブなアプローチである。 我々の重要な洞察は、潜在空間におけるデータ依存フローを通して、粗大から細小への変換を直接モデル化することである。 改質時に正確な空間対応を確保するためのトークンマッチング戦略を導入する。
  論文  参考訳（メタデータ） (2024-11-25T17:08:17Z)
• Direct and Explicit 3D Generation from a Single Image [25.207277983430608]
  マルチビュー2次元深度画像とRGB画像を用いて表面形状とテクスチャを直接生成する新しいフレームワークを提案する。 画素レベルの多視点整合性を実現するために,エピポーラの注意を潜時から画素間デコーダに組み込む。 生成した深度画素を3次元空間にバックプロジェクションすることにより、構造化された3次元表現を生成する。
  論文  参考訳（メタデータ） (2024-11-17T03:14:50Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
  単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。 本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。 実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
  論文  参考訳（メタデータ） (2024-03-15T12:24:36Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)

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。