論文の概要: DistScene: Object-to-Scene Distillation for 3D Scene Generation

• arxiv url: http://arxiv.org/abs/2610.06960v1
• Date: Sat, 03 Oct 2026 16:21:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.479646
• Title: DistScene: Object-to-Scene Distillation for 3D Scene Generation
• Title（参考訳）: DistScene:3次元シーン生成のためのオブジェクト・ツー・シーン蒸留
• Abstract要約: DistSceneは、シングルイメージの3Dシーン生成のためのフレームワークである。 シーンフレーム生成は、共有座標フレーム内の別環境とオブジェクトコンポーネントを生成する。 オブジェクト・ツー・シーン蒸留(Object-to-Scene Distillation)は、事前訓練されたオブジェクト生成をシーン生成に転送する。
• 参考スコア（独自算出の注目度）: 76.07413416271021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DistScene, a framework for single-image compositional 3D scene generation by jointly modeling the environment and individual objects. Unlike existing methods that represent scenes primarily as collections of objects, we model the environment as an explicit scene component to provide geometric context for object placement. Specifically, we introduce Scene-Frame Generation, which jointly generates separate environment and object components in a shared coordinate frame, allowing their geometry and relative placement to be learned together. Then we introduce Object-Centric Refinement to refine each object in a local frame with scene context. Finally, we develop Object-to-Scene Distillation to transfer pretrained object-generation priors to scene generation through automatically composed and rendered synthetic scenes. Evaluations on indoor and outdoor benchmarks demonstrate improved scene-level spatial coherence over the evaluated baselines. Project page: https://coolbeam.github.io/DistScene/
• Abstract（参考訳）: 環境と個々のオブジェクトを共同でモデリングすることで、単一画像合成3Dシーン生成のためのフレームワークであるDistSceneを提案する。 シーンを主にオブジェクトのコレクションとして表現する既存の方法とは異なり、環境を明示的なシーンコンポーネントとしてモデル化し、オブジェクト配置のための幾何学的コンテキストを提供する。 具体的には、共有座標フレーム内の異なる環境とオブジェクトコンポーネントを共同で生成し、それらの幾何学と相対配置を同時に学習するScene-Frame Generationを紹介する。 次に,局所的なフレーム内の各オブジェクトをシーンコンテキストで洗練するために,オブジェクト中心のリファインメントを導入する。 最後に, 合成シーンを自動的に合成・描画することで, 事前学習したオブジェクト生成をシーン生成に転送するオブジェクト・ツー・シーン蒸留法を開発した。 室内および屋外のベンチマークによる評価は、評価ベースラインよりもシーンレベルの空間コヒーレンスが改善されたことを示す。 プロジェクトページ: https://coolbeam.github.io/DistScene/

関連論文リスト

• WorldSculpt: Generating Compositional Worlds from Grounded Videos [50.427204240556854]
  本研究では,数百個のオブジェクトを含む散在するシーンの合成3次元表現を生成する問題について検討する。 この課題は、物体が互いに強く干渉し合うような密集したシーンにおいて挑戦的であり、それぞれのビューはその幾何のごく一部しか明らかにしない。 多視点観察に先立ち、強い単物体3D生成を適応させることにより、数百個の物体からなる複雑なシーンを合成的に生成できることが示される。
  論文  参考訳（メタデータ） (2026-09-04T17:59:35Z)
• SceneReGen: Generative Reconstruction of 3D Scenes from a Single Image [24.844593424101618]
  我々は、シーン再構築を完全なオブジェクト資産の生成と組み立てとして再解釈する生成的再構築フレームワークであるSceneReGenを紹介した。 SceneReGenは、選択的なポーズ係数化を通じて生成/再構成ギャップに対処する。 SceneReGenは評価手法の中で,最高のシーンレベルCD,シーンレベルFスコア,3DバウンディングボックスIoUを実現している。
  論文  参考訳（メタデータ） (2026-08-25T00:29:37Z)
• HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation [50.206100327643284]
  HiSceneは、2D画像生成と3Dオブジェクト生成のギャップを埋める新しい階層的なフレームワークである。 構成構造を維持しながら2次元表現に整合した3次元コンテンツを生成する。
  論文  参考訳（メタデータ） (2025-04-17T16:33:39Z)
• Disentangled 3D Scene Generation with Layout Learning [109.03233745767062]
  本稿では,コンポーネントオブジェクトに絡み合った3Dシーンを生成する手法を提案する。 私たちの重要な洞察は、オブジェクトは空間的に再構成された場合、同じシーンの有効な構成を生成する3Dシーンの一部を見つけることで発見できるということです。 単純さにもかかわらず、我々のアプローチは個々のオブジェクトに3Dシーンを生成することに成功している。
  論文  参考訳（メタデータ） (2024-02-26T18:54:15Z)
• DisCoScene: Spatially Disentangled Generative Radiance Fields for Controllable 3D-aware Scene Synthesis [90.32352050266104]
  DisCoSceneは高品質で制御可能なシーン合成のための3Daware生成モデルである。 グローバルな局所的差別を伴う2次元画像のみを学習することで、シーン全体をオブジェクト中心の生成フィールドに分解する。 挑戦的な屋外データセットを含む多くのシーンデータセットで最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-12-22T18:59:59Z)

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。