論文の概要: Scene Retargeting: Learning Object Placement with Analogical Transfer

• arxiv url: http://arxiv.org/abs/2609.36801v1
• Date: Tue, 29 Sep 2026 06:14:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.229863
• Title: Scene Retargeting: Learning Object Placement with Analogical Transfer
• Title（参考訳）: Scene Retargeting:Analogical Transferによる物体配置学習
• Abstract要約: 我々は,シーン・リターゲティングを,レイアウト間のセマンティック・コヒーレントな空間構造を安定的に伝達するものとして定式化する。 我々は,基礎的特徴の空間分布を尊重することで,個々のクラスタのリッチな意味的コンテキストの保存を最適化する。 本フレームワークは,3D-FRONTデータセットのレイアウト生成における最先端手法より優れている。
• 参考スコア（独自算出の注目度）: 24.448498891057582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interactive simulations of embodied AI or spatial computing applications build on realistic 3D scenes that support daily activities. However, sparse, irregular layout structures impose scene-specific physical constraints, making it hard to define a generalizable framework for generating similar functional context. We formalize Scene Retargeting as stably transferring the semantically coherent spatial organization across layouts, rather than relying on textual descriptions or pairwise relationships. Our cluster-wise transfer flexibly handles mismatched object instances and adapts to distinctive floor plans. We optimize to preserve the rich semantic context of individual clusters by respecting the spatial distribution of foundation features. We can then impose physical constraints to refine wall contacts, pairwise alignment, or clear passageways and openings. Our framework outperforms state-of-the-art methods on layout generation on the 3D-FRONT dataset, and demonstrates downstream applications including real-to-sim transfer, analogical trajectory transfer, and multi-reference composition.
• Abstract（参考訳）: 具体化されたAIや空間コンピューティングアプリケーションのインタラクティブなシミュレーションは、日々のアクティビティをサポートする現実的な3Dシーンの上に構築される。 しかし、スパースで不規則なレイアウト構造はシーン固有の物理的制約を課し、同様の機能的コンテキストを生成するための一般化可能なフレームワークを定義することは困難である。 シーンリターゲティングは、テキスト記述やペア関係に頼らず、レイアウト間で意味的コヒーレントな空間構造を安定的に伝達するものとして形式化される。 クラスタワイズ転送は、ミスマッチしたオブジェクトインスタンスを柔軟に処理し、独特なフロアプランに適応します。 我々は,基礎的特徴の空間分布を尊重することで,個々のクラスタのリッチな意味的コンテキストの保存を最適化する。 壁の接触を洗練したり、ペアでアライメントしたり、通路や開口をクリアしたりするために、物理的な制約を課すことができます。 本フレームワークは,3D-FRONTデータセットのレイアウト生成における最先端手法よりも優れており,実-SIM転送,アナログ軌道転送,マルチ参照合成などの下流アプリケーションを示す。

関連論文リスト

• SpaceEra++: A Unified Framework Towards 3D Spatial Reasoning in Video [88.79625979053873]
  事前学習型視覚言語モデル(VLM)のための新しいフレームワークSpaceEraを提案する。 データ構築、モデル設計、トレーニング最適化、推論の促進にまたがる、SpaceEra++と呼ばれる、オリジナルのフレームワークを包括的なシステムに拡張します。 さらに,空間的推論を強化するために,絶対座標と相対空間関係を協調的に利用することにより,対物制約を強制するSpaceAlignを開発した。
  論文  参考訳（メタデータ） (2026-07-02T06:56:29Z)
• Analogical Trajectory Transfer [22.15303932975578]
  そこでは,1つの3次元環境における運動軌跡を意味的に類似した場所へ変換することを目的とする。 このようなキャパシティは、AR/VRコプレゼンス、コンテンツ生成、ロボット工学などの応用で、機械が類似した空間推論を行うことを可能にする。
  論文  参考訳（メタデータ） (2026-05-14T05:14:59Z)
• CasLayout: Cascaded 3D Layout Diffusion for Indoor Scene Synthesis with Implicit Relation Modeling [18.135856965440784]
  既存のアプローチは、しばしば構造境界を見落としたり、冗長な生成エラーをもたらす完全に連結された関係グラフに依存したりする。 人間のデザイン認知にインスパイアされたCasは,共同シーン生成タスクを4つの条件付きサブステージに分解する,カスケード拡散フレームワークである。 実験により、Casは、実用上の制御性を改善しつつ、忠実さと多様性の最先端性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-04-30T03:18:26Z)
• Pair2Scene: Learning Local Object Relations for Procedural Scene Generation [10.247549170637418]
  Pair2Sceneは、学習したローカルルールとシーン階層と物理ベースのアルゴリズムを統合する新しい手続き生成フレームワークである。 私たちのフレームワークは、トレーニングデータを超えた複雑な環境を生成する上で、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-04-13T17:59:55Z)
• SDesc3D: Towards Layout-Aware 3D Indoor Scene Generation from Short Descriptions [71.54559024212976]
  短いテキスト記述を前提とした室内3次元シーン生成は,インタラクティブな3次元環境構築に有望な道を提供する。 既存の作品は、そのような意味的凝縮の場合、身体的妥当性の低下と詳細性の不足に悩まされている。 SDesc3Dは,マルチビュー構造と地域機能を考慮した,短文条件付き屋内シーン生成フレームワークである。
  論文  参考訳（メタデータ） (2026-04-02T12:33:01Z)
• Riemannian and Symplectic Geometry for Hierarchical Text-Driven Place Recognition [6.392844932864485]
  SympLocは、粗い段階における多レベルアライメントを備えた、新しい粗大な局所化フレームワークである。 既存の最先端のアプローチと比較して、Top-1リコール@10mでは19%改善されている。
  論文  参考訳（メタデータ） (2026-04-02T04:13:42Z)
• DisCo-Layout: Disentangling and Coordinating Semantic and Physical Refinement in a Multi-Agent Framework for 3D Indoor Layout Synthesis [76.7196710324494]
  3次元屋内レイアウト合成は仮想環境構築に不可欠である。 DisCoは、物理的および意味的な洗練を歪め、調整する新しいフレームワークである。
  論文  参考訳（メタデータ） (2025-10-02T16:30:37Z)
• RoomCraft: Controllable and Complete 3D Indoor Scene Generation [51.19602078504066]
  RoomCraftは、実際の画像、スケッチ、テキスト記述をコヒーレントな3D屋内シーンに変換するマルチステージパイプラインである。 このアプローチでは,シーン生成パイプラインと制約駆動最適化フレームワークを組み合わせる。 RoomCraftは、リアルでセマンティックなコヒーレントで視覚的に魅力的な部屋レイアウトを生成する上で、既存の方法よりもはるかに優れています。
  論文  参考訳（メタデータ） (2025-06-27T15:03:17Z)
• LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
  LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。 LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-08-13T08:06:18Z)

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。