論文の概要: Building Rome from a Single Image

• arxiv url: http://arxiv.org/abs/2610.08790v1
• Date: Tue, 06 Oct 2026 17:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.18119
• Title: Building Rome from a Single Image
• Title（参考訳）: 1枚の画像からローマを作る
• Abstract要約: シングルイメージシーン生成は、カメラが観察しなかった表面を含む単一の画像から完全な3Dシーンメッシュを作成することを目的としている。 本稿では,トレリス2のようなオブジェクト中心のジェネレータを再設計し,屋内と屋外の両方で作業する手法を提案する。 本手法は,室内および屋外の両方のシーンにおいて,幾何学的精度と知覚的品質ですべてのベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 36.54357385863894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-image scene generation aims to produce a complete 3D scene mesh from a single image, including surfaces the camera did not observe. While pretrained 3D object generators encode a strong shape prior, they are mainly designed for isolated objects in a fixed canonical volume and focus mostly on indoor scenes, since diverse 3D data for outdoor scenes are quite limited. In this work, we present a method that redesigns such an object-centric generator, e.g., Trellis 2, to work on both indoor and outdoor scenes while retaining its prior. We accomplish this by (a) partitioning the scene into adaptive chunks that scale relative to the distance to the camera; nearby chunks have a smaller size to keep the finer detail, while distant structures, e.g., buildings, are covered by large chunks; (b) making the generator capture explicit 2D-3D correspondence by lifting image features and making the model aware of the free space, observed surface, and unobserved region; (c) synthesizing around 4,000 outdoor scenes to broaden the training data, as existing scene datasets are largely indoor. Experiments on Tanks and Temples, ScanNet++, and in-the-wild images show that our method outperforms all baselines in geometric accuracy and perceptual quality across both indoor and outdoor scenes.
• Abstract（参考訳）: シングルイメージシーン生成は、カメラが観察しなかった表面を含む単一の画像から完全な3Dシーンメッシュを作成することを目的としている。 事前訓練された3Dオブジェクトジェネレータは、従来より強い形状をコードするが、主に固定正準体積の孤立したオブジェクトを対象とし、屋外シーンの多様な3Dデータは非常に限られているため、屋内シーンを中心に設計されている。 本研究では,例えばトレリス2のようなオブジェクト中心のジェネレータを室内と屋外の両方のシーンで作業し,先行環境を維持しつつ再設計する手法を提案する。 私たちはこれを達成します (a)シーンをカメラとの距離に比例して拡大する適応的なチャンクに分割し、周囲のチャンクは細部を細部に保ち、遠方の建物(例:建物)は大きなチャンクで覆われている。 ロ 画像の特徴を持ち上げ、自由空間、観測面及び未観測領域を認識させることにより、発生装置が明示的な2D-3D対応を捉えること。 (c)既存のシーンデータセットの大部分は屋内にあるため、4000の屋外シーンを合成してトレーニングデータを広げる。 タンクとテンプル, ScanNet++, およびインザギルド画像を用いた実験により, 室内および屋外の両方のシーンにおいて, 幾何学的精度と知覚的品質において, 基本ラインのすべてを上回る性能を示した。

関連論文リスト

• SEM-ROVER: Semantic Voxel-Guided Diffusion for Large-Scale Driving Scene Generation [7.655860434125127]
  本稿では,各占有ボクセルが一定数の色付き表面サンプルを格納する離散表現である$-Voxfield gridに基づく3D生成フレームワークを提案する。 この表現を生成するために,局所的なボクセル近傍で動作する意味条件付き拡散モデルを訓練する。 重なり合う領域にプログレッシブな空間効果を生かして大きなシーンにスケールする。最後に、生成された$-Voxfield グリッドを遅延レンダリングモジュールで描画し、フォトリアリスティックな画像を得る。
  論文  参考訳（メタデータ） (2026-04-07T17:24:29Z)
• 3D Feature Distillation with Object-Centric Priors [14.808252840805475]
  CLIPのような2Dビジョン言語モデルは、2Dイメージのオープン語彙グラウンドディングに優れた機能を備えているため、広く普及している。 最近の研究は、特徴蒸留によって2D CLIP機能を3Dに高めることを目的としているが、シーン固有のニューラルネットワークを学ぶか、室内のスキャンデータにフォーカスする。 提案手法は, 3次元CLIPの特徴を再構築し, 接地能力と空間的整合性を改善した。
  論文  参考訳（メタデータ） (2024-06-26T20:16:49Z)
• 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)
• Generating Visual Spatial Description via Holistic 3D Scene Understanding [88.99773815159345]
  視覚空間記述(VSD)は、画像内の対象物の空間的関係を記述するテキストを生成することを目的としている。 外部の3Dシーン抽出器を用いて,入力画像の3Dオブジェクトとシーン特徴を抽出する。 対象物の中心となる3次元空間シーングラフ(Go3D-S2G)を構築し,対象物の空間意味を総合的な3次元シーン内にモデル化する。
  論文  参考訳（メタデータ） (2023-05-19T15:53:56Z)
• Scene-Aware 3D Multi-Human Motion Capture from a Single Camera [83.06768487435818]
  静止カメラで記録された1枚のRGBビデオから、シーン内の複数の人間の3次元位置を推定し、その身体形状と調音を推定する問題を考察する。 コンピュータビジョンの最近の進歩を,2次元の人体関節,関節角度,正規化不均等マップ,人間のセグメンテーションマスクなど,様々なモダリティのための大規模事前訓練モデルを用いて活用している。 特に,2次元の関節と関節角度を用いた正規化不均等予測から,シーン深度とユニークな人格尺度を推定する。
  論文  参考訳（メタデータ） (2023-01-12T18:01:28Z)

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。