論文の概要: BTC3D: Blended Tile Conditioning for Detail-Enhancing Image-to-3D Generation

• arxiv url: http://arxiv.org/abs/2609.39709v1
• Date: Wed, 30 Sep 2026 13:24:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.830555
• Title: BTC3D: Blended Tile Conditioning for Detail-Enhancing Image-to-3D Generation
• Title（参考訳）: BTC3D:詳細な画像-3D生成のためのブレンドタイルコンディショニング
• Abstract要約: 画像から3D生成のためのブレンドタイルコンディショニング(BTC3D)を提案する。 BTC3Dはトレーニング不要な推論時間フレームワークであり、画像から3Dパイプラインの詳細な詳細保存を強化する。 実験結果から,提案手法はベースモデルのテクスチャ品質と視覚的忠実度を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 54.72464846037624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent diffusion-based pipelines have achieved promising progress in image-to-3D synthesis. However, generating high-fidelity details remains challenging, especially when the input image contains rich details. Existing approaches often rely on globally encoded conditioning features, which compress spatial information and limit the model to reproduce fine-grained details. This common design often leads to a phenomenon we term detail attenuation. Moreover, improving image-to-3D synthesis quality typically requires retraining or fine-tuning large diffusion models, which can be computationally expensive and impractical for complex 3D pipelines. In this work, we present Blended Tile Conditioning for image-to-3D generation (BTC3D), a training-free inference time framework that enhances fine-grained detail preservation in image-to-3D diffusion pipelines. To alleviate detail attenuation, we first examine the image feature additivity in image-to-3D models. Based on this property, we introduce a blended tile embedding that extracts local conditioning signals from split image regional patches, allowing the diffusion model to better preserve fine-grained visual details. To integrate the global and local conditioning guidance stably, we propose a dynamic conditioning schedule that gradually increases the influence of tile-level conditioning during later low-noise stages of diffusion. Our proposed method BTC3D operates entirely at inference time and can be seamlessly integrated into existing image-to-3D diffusion pipelines. Experimental results demonstrate that the proposed approach significantly improves texture quality and visual fidelity of the base model while maintaining global structural consistency in a training-free manner.
• Abstract（参考訳）: 近年の拡散型パイプラインは画像から3D合成において有望な進歩を遂げている。 しかし、特に入力画像が豊富な詳細を含む場合、高忠実度の詳細を生成することは困難である。 既存のアプローチは、空間情報を圧縮し、詳細な詳細を再現するためにモデルを制限する、グローバルに符号化された条件付け機能に依存していることが多い。 この共通設計は、詳細減衰と呼ばれる現象につながることが多い。 さらに、画像から3D合成の品質を改善するには、通常、複雑な3Dパイプラインでは計算コストが高く、実用的ではない大規模な拡散モデルの再訓練や微調整が必要となる。 本研究では,Blended Tile Conditioning for Image-to-3D Generation (BTC3D)について述べる。 細部減衰を軽減するため,まず画像から3次元モデルへの画像特徴付加率について検討する。 この特性に基づいて,分割画像の局所的なパッチから局所条件信号を抽出するブレンドタイル埋め込みを導入し,その拡散モデルにより,より微細な視覚的詳細を保存できることを示す。 グローバル・ローカル・コンディショニング・ガイダンスを安定的に統合するために,後段の低ノイズ段階におけるタイルレベル・コンディショニングの影響を徐々に増大させる動的コンディショニング・スケジュールを提案する。 提案手法では,BTC3Dは完全に推論時に動作し,既存の画像-3D拡散パイプラインにシームレスに統合することができる。 実験結果から,提案手法は学習自由な方法でグローバルな構造的整合性を維持しつつ,基礎モデルのテクスチャ品質と視覚的忠実度を著しく向上することが示された。

関連論文リスト

• AC3S: Adaptive Conditioning for 3D-Aware Synthetic Data Generation [25.402997622384973]
  適応条件付けにより光リアリズムを保ちながら3次元構造アライメントを強制する拡散型画像生成フレームワークを提案する。 筆者らのフレームワークであるAC3S(Adaptive Conditioning for 3D-Aware Synthetic Data Generation)は、制御ネット条件の強度を動的に調整する自己教師付き視覚プロンプト変調器を導入している。 多様性とセマンティック一貫性をさらに高めるため,我々は,基礎となる幾何学的構造に整合した細部および3D認識プロンプトを構成するマルチエージェント視覚言語モデルフレームワークを開発した。
  論文  参考訳（メタデータ） (2026-06-30T06:33:55Z)
• Sparse-to-Complete: From Sparse Image Captures to Complete 3D Scenes [32.47917212506622]
  S2C-3Dは、6枚から8枚までの高忠実で完全なシーン再構築のための新しいスパースビュー3D再構成フレームワークである。 本フレームワークは,シーン固有の画像復元のための特殊拡散モデル,トレーニング不要なビューコンディスタンス条件付きサンプリングプロセス,カメラ軌道計画スキームの3つのコンポーネントを特徴とする。
  論文  参考訳（メタデータ） (2026-05-07T04:41:30Z)
• SHaDe: Compact and Consistent Dynamic 3D Reconstruction via Tri-Plane Deformation and Latent Diffusion [0.0]
  本稿では3つの重要な要素を統合した動的3次元シーン再構成のための新しいフレームワークを提案する。 明示的な三面変形場、球面調和(SH)注目の視野条件付き正準場、時間的に認識される潜在拡散。 提案手法は,時間とともに進化する3つの2次元特徴面を用いて4次元シーンを符号化し,効率的なコンパクト表現を実現する。
  論文  参考訳（メタデータ） (2025-05-22T11:25:38Z)
• Enhancing Single Image to 3D Generation using Gaussian Splatting and Hybrid Diffusion Priors [17.544733016978928]
  単一の画像から3Dオブジェクトを生成するには、野生で撮影された未ポーズのRGB画像から、目に見えない景色の完全な3D形状とテクスチャを推定する必要がある。 3次元オブジェクト生成の最近の進歩は、物体の形状とテクスチャを再構築する技術を導入している。 本稿では, この限界に対応するために, 2次元拡散モデルと3次元拡散モデルとのギャップを埋めることを提案する。
  論文  参考訳（メタデータ） (2024-10-12T10:14:11Z)
• Bootstrap3D: Improving Multi-view Diffusion Model with Synthetic Data [80.92268916571712]
  重要なボトルネックは、詳細なキャプションを持つ高品質な3Dオブジェクトの不足である。 本稿では,任意の量のマルチビュー画像を自動的に生成する新しいフレームワークBootstrap3Dを提案する。 我々は高画質合成多視点画像100万枚を高密度記述キャプションで生成した。
  論文  参考訳（メタデータ） (2024-05-31T17:59:56Z)
• Grounded Compositional and Diverse Text-to-3D with Pretrained Multi-View Diffusion Model [65.58911408026748]
  複雑な合成文のプロンプトを正確に追従できる3Dアセットを生成するために,グラウンドド・ドレーマーを提案する。 まず,テキスト・ツー・3Dパイプラインのボトルネックとして,テキスト誘導4視点画像の活用を提唱する。 次に,テキストアラインな4ビュー画像生成を促すための注意再焦点機構を導入する。
  論文  参考訳（メタデータ） (2024-04-28T04:05:10Z)
• IT3D: Improved Text-to-3D Generation with Explicit View Synthesis [71.68595192524843]
  本研究では、これらの問題に対処するために、明示的に合成されたマルチビュー画像を活用する新しい戦略を提案する。 我々のアプローチは、高画質画像を生成するために、LCDによって強化されたイメージ・ツー・イメージ・パイプラインを活用することである。 組込み判別器では、合成したマルチビュー画像は実データと見なされ、最適化された3Dモデルのレンダリングは偽データとして機能する。
  論文  参考訳（メタデータ） (2023-08-22T14:39:17Z)
• ARTIC3D: Learning Robust Articulated 3D Shapes from Noisy Web Image Collections [71.46546520120162]
  単眼画像から動物体のような3D関節形状を推定することは、本質的に困難である。 本稿では,スパース画像コレクションから各物体の形状を再構築する自己教師型フレームワークARTIC3Dを提案する。 我々は、剛性部分変換の下で、描画された形状とテクスチャを微調整することで、現実的なアニメーションを作成する。
  論文  参考訳（メタデータ） (2023-06-07T17:47:50Z)

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。