論文の概要: Collision-Aware and Observation-Aligned Object-Centric Scene Reconstruction from Point Cloud

• arxiv url: http://arxiv.org/abs/2609.37260v1
• Date: Tue, 29 Sep 2026 11:10:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.434815
• Title: Collision-Aware and Observation-Aligned Object-Centric Scene Reconstruction from Point Cloud
• Title（参考訳）: 点雲からの衝突認識と観測対応オブジェクト中心のシーン再構成
• Abstract要約: COOLは、Collision-Aware and Observation-ALigned Restructionのフレームワークである。 3D-FrontとScan2CADの実験は、強いシーンレベルの忠実度、観察アライメント、衝突低減を示す。
• 参考スコア（独自算出の注目度）: 25.98321188567849
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object-centric scene reconstruction requires completing partial object observations while preserving metric alignment and avoiding collisions with the surrounding. Existing generation-based methods are often image-conditioned and suffer from scale ambiguity and insufficient geometric constraints. We propose COOL, a framework for COllision-aware and Observation-aLigned reconstruction. Based on an object generation model, COOL conditions the generation on instance and background point clouds. Instance geometry anchors generation in scene coordinates, while background geometry provides local context for scene-consistent completion. We further introduce an explicit collision loss and use joint optimization and resampling to reduce collisions during inference. Experiments on 3D-Front and Scan2CAD demonstrate strong scene-level fidelity, observation alignment, and collision reduction. Moreover, additional studies validate its robustness to mask errors and its applicability to real-world scene replicas.
• Abstract（参考訳）: 物体中心のシーン再構成は、距離アライメントを保持し、周囲との衝突を避けるために、部分的な物体の観察を完了する必要がある。 既存の世代ベースの手法は、しばしばイメージコンディショニングされ、スケールのあいまいさと不十分な幾何学的制約に悩まされる。 我々は,COOL(COllision-Aware and Observation-Aigned Restruction)を提案する。 オブジェクト生成モデルに基づいて、COOLはインスタンスとバックグラウンドのクラウドで生成を条件付けます。 インスタンスジオメトリはシーン座標の生成をアンカーし、バックグラウンドジオメトリはシーン一貫性のある補完のためのローカルコンテキストを提供する。 さらに、明示的な衝突損失を導入し、共同最適化と再サンプリングを用いて、推論時の衝突を減らす。 3D-FrontとScan2CADの実験は、強いシーンレベルの忠実度、観察アライメント、衝突低減を示す。 さらに、マスクエラーに対する堅牢性と現実世界のシーンレプリカへの適用性についても、さらなる研究がなされている。

関連論文リスト

• Mira-Scene: Pixel-Aligned Layouts for Generative 3D Scene Reconstruction [69.88254698306027]
  シングルイメージの3Dオブジェクト生成は、今や高忠実な資産を生成できるが、それらをコヒーレントなシーンレイアウトに正確に配置することは、未解決の課題である。 スパースポーズの回帰を高密度で有界な対応回復に置き換える構成的3次元シーン再構成フレームワークであるMira-Sceneを提案する。
  論文  参考訳（メタデータ） (2026-09-20T18:36:29Z)
• G$^2$TAM: Geometry Grounded Track Anything Model [49.05553245076823]
  本稿では,RGB画像やビデオのみを用いて,3次元のインスタンス追跡を高速化するための統一的なフレームワークを提案する。 G$2$TAMは空間的に整列した幾何学的表現を暗黙記憶として使用し、安定したインスタンス識別とフレームとビュー間のローカライゼーションを保証する。 中心となるのは、視覚的およびテキスト的プロンプトを共有幾何学空間に統合し、エンドツーエンドの空間再構成とインスタンス一貫性マスク予測を可能にするクロスモーダル空間エンコーダである。
  論文  参考訳（メタデータ） (2026-07-04T09:32:13Z)
• GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
  本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。 結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
  論文  参考訳（メタデータ） (2026-06-02T17:13:01Z)
• AnchorWeave: World-Consistent Video Generation with Retrieved Local Spatial Memories [78.78355829813793]
  既存のメモリベースのアプローチでは、歴史的に再構成された幾何学のアンカービデオをレンダリングすることで、グローバルに再構成された3Dシーンを条件付けすることが多い。 AnchorWeaveは、単一の不整合グローバルメモリを複数のローカルな幾何学的メモリに置き換える、メモリ拡張ビデオ生成フレームワークである。 実験によると、AnchorWeaveは視覚的品質を維持しながら、長期的なシーンの一貫性を著しく向上する。
  論文  参考訳（メタデータ） (2026-02-16T17:23:08Z)
• SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning [46.441761732998536]
  プロキシジェネレーションとチューニング(SCORP)によるシーン一貫性オブジェクトリファインメント(Scene-Consistent Object Refinement)について紹介する。 SCORP は、3D 生成に先立って細粒度なオブジェクトの形状と外観を復元する新しい3D拡張フレームワークである。 これは、新しいビュー合成と幾何完成タスクの両方において、最近の最先端のベースラインに対して一貫した利得を達成する。
  論文  参考訳（メタデータ） (2025-06-30T13:26:21Z)
• CAST: Component-Aligned 3D Scene Reconstruction from an RGB Image [44.8172828045897]
  現在のメソッドはドメイン固有の制限や低品質のオブジェクト生成に悩まされることが多い。 本稿では,3次元シーンの復元と復元のための新しい手法であるCASTを提案する。
  論文  参考訳（メタデータ） (2025-02-18T14:29:52Z)
• Point Scene Understanding via Disentangled Instance Mesh Reconstruction [21.92736190195887]
  本稿では,効率的なポイントシーン理解のために,aDisentangled Instance Mesh Reconstruction (DIMR) フレームワークを提案する。 セグメント化ベースのバックボーンは、偽陽性オブジェクトの提案を減らすために適用される。 メッシュを意識した潜在コード空間を活用して、シェイプコンプリートとメッシュ生成のプロセスを切り離します。
  論文  参考訳（メタデータ） (2022-03-31T06:36:07Z)

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。