論文の概要: Position Forcing: Self-Conditioning 3D Generation

• arxiv url: http://arxiv.org/abs/2610.10342v1
• Date: Wed, 07 Oct 2026 16:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.033803
• Title: Position Forcing: Self-Conditioning 3D Generation
• Title（参考訳）: 位置強制:自己完結型3D生成
• Abstract要約: 本研究では,3次元生成モデルのための位置ベース自己条件付けフレームワークであるPight Forcingを提案する。 位置強制は, 単段3次元生成法において高い性能を達成し, 競合する多段法よりも優れることを示す。
• 参考スコア（独自算出の注目度）: 67.27570957207602
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent single-stage 3D generative models commonly adopt VecSet representations, encoding 3D shapes as unordered sets of latent tokens. However, compared with two-stage methods that provide explicit positional guidance, these models must implicitly infer token positions throughout denoising, limiting their generation quality. We observe that, despite the absence of explicit positional conditioning, VecSet tokens retain recoverable spatial correspondences. Building on this observation, we propose Position Forcing, a position-based self-conditioning framework. During denoising, Position Forcing recovers token positions from the current clean latent estimate, quantizes them at progressively finer resolutions according to the denoising stage, and feeds the resulting positional encodings back into the diffusion Transformer. This progressively refined positional feedback provides spatial guidance at a granularity appropriate to each denoising stage, guiding shape generation along a coarse-to-fine trajectory and substantially improving generation quality without a separate position generation stage. Experiments demonstrate that Position Forcing achieves strong performance among single-stage 3D generative methods and outperforms several competitive multi-stage approaches.
• Abstract（参考訳）: 最近のシングルステージ3D生成モデルは一般的にVecSet表現を採用し、3D形状を非順序の潜在トークン集合として符号化している。 しかしながら、明示的な位置指示を提供する2段階の手法と比較すると、これらのモデルはトークンの位置を暗黙的に推論し、生成品質を制限しなければならない。 位置条件が明示されていないにもかかわらず、VecSetトークンは復元可能な空間対応を維持している。 そこで本研究では,位置に基づく自己条件付きフレームワークであるPight Forcingを提案する。 復調中、位置強制は現在のクリーン潜在推定値からトークンの位置を回復し、復調段階に応じて徐々に微細化して、結果として得られる位置エンコーディングを拡散変換器にフィードバックする。 この漸進的に洗練された位置フィードバックは、各装飾段階に適する粒度で空間誘導を提供し、粗大な軌跡に沿って形状生成を誘導し、別々の位置生成段階を伴わずに生成品質を大幅に向上させる。 実験により, 単段3次元生成法において位置強制は高い性能を示し, 競争力のある多段法よりも優れていた。

関連論文リスト

• DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation [58.47973015036709]
  DisPOSEは、本質的に離散的な多視点人物割り当て問題を近似する自己教師型フレームワークである。 特定可能なシンクホーン射影を用いることにより、本モデルは有効かつ実現可能な課題への解の導出を学ぶ。 提案手法は、標準データセット上での最先端の自己教師手法よりも優れている。
  論文  参考訳（メタデータ） (2026-06-05T16:14:39Z)
• DiffCrossGait: Trajectory-Level Alignment for 2D-3D Cross-Modal Gait Recognition via Latent Diffusion [5.766298616867406]
  クロスモーダルな2D-3D歩行認識は、2Dシルエットと3D LiDARレンジビュー表現のドメインの相違によって阻害される。 DiffCrossGaitを提案する。これは、同一性関連潜伏拡散空間における軌跡レベルのアライメントとして、クロスモーダルマッチングを再構成する。
  論文  参考訳（メタデータ） (2026-05-29T04:56:15Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Denoising-GS: Gaussian Splatting with Spatial-aware Denoising [59.331050242447255]
  高忠実なノベルビュー合成(NVS)において、3Dガウススティング(3DGS)は顕著な成功を収めた 本稿では, 3DGS の最適化を原始的認知過程として定式化し, 新たな視点を導入する。 位置と空間構造を両立させることにより,プリミティブのコヒーレントなデノナイジングフレームワークであるDenoising-GSを提案する。 3つのベンチマークデータセットで実施された実験により、Denoising-GSは表現のコンパクト性を維持しながら、NVSの忠実度を一貫して向上することを示した。
  論文  参考訳（メタデータ） (2026-05-14T14:24:21Z)
• AHPA: Adaptive Hierarchical Prior Alignment for Diffusion Transformers [24.937985157569823]
  我々は,信号と雑音の比に応じて,表現監督の有用な粒度が体系的に変化するため,このような時間ステップに依存しないアライメントが最適であると主張する。 ハイノイズでは拡散モデルはより粗い意味とレイアウトレベルのアンカーの恩恵を受けるが、低ノイズでは、トレーニング信号は空間的詳細で構造的に忠実な洗練を強調するべきである。 この非定常アライメント動作は、静的なシングルレベルスーパーバイザーに対する表現ミスマッチを生成する。
  論文  参考訳（メタデータ） (2026-05-05T03:07:29Z)
• VAEVQ: Enhancing Discrete Visual Tokenization through Variational Modeling [22.005420177236804]
  VAEVQは,(1)変分潜時量子化(VLQ),AEを量子化用VOEに置き換えて構造的かつスムーズな潜時空間を活用し,より効率的なコーデックアクティベーションを促進する,(2)表現コヒーレンス戦略(RCS),(2)先行および後列化特徴間のアライメント強度を適応的に調整して整合性を高め,ノイズへの過度適合を防止する,(3)分布整合性正規化(DCR),といった3つの重要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-11-10T09:07:23Z)
• LDRFusion: A LiDAR-Dominant multimodal refinement framework for 3D object detection [5.820124526272312]
  既存のLiDAR-Camera融合法は3次元物体検出において大きな成果を上げている。 我々は,LDRFusionを提案する。LDRFusionは,マルチセンサフュージョンのための新しい2段階改良フレームワークである。 当社のフレームワークは,複数のカテゴリと難易度をまたいだパフォーマンスを継続的に達成しています。
  論文  参考訳（メタデータ） (2025-07-22T04:35:52Z)
• EipFormer: Emphasizing Instance Positions in 3D Instance Segmentation [51.996943482875366]
  本稿では, プログレッシブアグリゲーションとデュアル位置埋め込みを組み合わせた新しいトランスフォーマーアーキテクチャ, EipFormerを提案する。 EipFormerは最先端のアプローチよりも優れた、あるいは同等のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-12-09T16:08:47Z)

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。