論文の概要: 3DTexMOR: 3D Gaussian Multi-Object Removal via Texture-Space Inpainting

• arxiv url: http://arxiv.org/abs/2610.11198v1
• Date: Thu, 08 Oct 2026 04:02:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.792321
• Title: 3DTexMOR: 3D Gaussian Multi-Object Removal via Texture-Space Inpainting
• Title（参考訳）: 3DTexMOR:テクスチャ空間による3次元ガウス多対象除去
• Abstract要約: 3Dオブジェクト除去は、再構成されたシーンからターゲットオブジェクトを取り除き、閉鎖された領域の形状と外観を完成させることを目的としている。 既存のNeRFおよび3DGSベースの手法は、通常3D補完をガイドするために2D画像にペンキを塗る。 テクスチャ空間塗装による3次元ガウス多対象除去(DTexMOR)を提案する。
• 参考スコア（独自算出の注目度）: 16.37300087541737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D object removal aims to remove target objects from reconstructed scenes and complete the geometry and appearance of occluded regions. Existing NeRF- and 3DGS-based methods typically inpaint 2D images to guide 3D completion. However, complex multi-object layouts limit the surrounding context visible in each view, making 2D inpainting prone to artifacts. Inconsistent completions across views also introduce conflicting supervision and blurry reconstructions. We propose 3D Gaussian Multi-Object Removal via Texture-Space Inpainting (3DTexMOR). Our key idea is to perform inpainting in a unified texture space shared by all views. By combining complementary observations, this space provides richer context for recovering missing regions and promotes cross-view appearance consistency. We aggregate multi-view observations into texture maps, inpaint the missing regions, and reproject the completed maps into camera views to supervise Gaussian scene completion. To avoid the influence of view-dependent highlights and reflections, we decompose appearance and aggregate view-independent intrinsic attributes instead of RGB colors. We further introduce geometrically regularized Gaussian completion to constrain the geometry of the completed regions. Extensive experiments demonstrate visually plausible completions and state-of-the-art multi-object removal performance, improving PSNR by 5.8 dB and reducing LPIPS by at least 22% compared with existing methods.
• Abstract（参考訳）: 3Dオブジェクト除去は、再構成されたシーンからターゲットオブジェクトを取り除き、閉鎖された領域の形状と外観を完成させることを目的としている。 既存のNeRFおよび3DGSベースの手法は、通常3D補完をガイドするために2D画像にペンキを塗る。 しかし、複雑なマルチオブジェクトレイアウトは、それぞれのビューで見える周囲のコンテキストを制限するため、2Dインペイントはアーティファクトに悪影響を及ぼす。 見解の相反する完成は、矛盾する監督と曖昧な再構築も導入する。 テクスチャ空間による3次元ガウス多対象除去(DTexMOR)を提案する。 私たちのキーとなる考え方は、すべてのビューで共有される統一的なテクスチャ空間でインペイントを行うことです。 相補的な観測を組み合わせることで、この空間は、欠落した領域を回復するためのよりリッチなコンテキストを提供し、対面的な外観整合性を促進する。 マルチビューをテクスチャマップに集約し、欠落した地域を描き、完了した地図をカメラビューに再描画し、ガウスシーンの完成を監督する。 ビュー依存のハイライトやリフレクションの影響を避けるため、RGB色の代わりに外見を分解し、ビュー依存の固有の属性を集約する。 さらに、完備領域の幾何学を制約するために、幾何学的に正則化されたガウス完備化を導入する。 大規模な実験では、視覚的に可視な完成と最先端のマルチオブジェクト除去性能を示し、PSNRを5.8dB改善し、LPIPSを既存の方法と比較して少なくとも22%低減した。

関連論文リスト

• Benchmarking Single-Step Inpainting Methods for Multi-Object 3D Gaussian Splatting Scenes [43.95837214164744]
  再構成に基づくインペーターは3次元整合性における生成拡散モデルより優れる。 最先端の2Dインパタイトを用いて, 3Dセッティングにおいて, 被写体除去の重要性を浮き彫りにするために, 簡単なベースラインを作成する。
  論文  参考訳（メタデータ） (2026-05-29T08:24:16Z)
• ObjFiller-3D: Consistent Multi-view 3D Inpainting via Video Diffusion Models [76.80262068405243]
  3Dインパインティングは、しばしばマルチビュー2Dイメージのインパインティングに依存し、固有の不整合は、ぼやけたテクスチャ、空間的な不連続、視覚的アーティファクトを逸脱させる。 高品質で一貫した3Dオブジェクトを補完・編集するための新しい手法であるFiller-3Dを提案する。 映像と3Dの表現ギャップを解析し,映像のインパインティングモデルによる3Dシーンのインパインティングの適応を提案する。
  論文  参考訳（メタデータ） (2025-08-25T17:59:40Z)
• Zero-Shot Multi-Object Scene Completion [59.325611678171974]
  1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。 提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-03-21T17:59:59Z)
• NeRFiller: Completing Scenes via Generative 3D Inpainting [113.18181179986172]
  生成3Dインパインティングによる3Dキャプチャの欠落部分を解消する手法であるNeRFillerを提案する。 関連する作品とは対照的に、前景のオブジェクトを削除するのではなく、シーンの完成に重点を置いている。
  論文  参考訳（メタデータ） (2023-12-07T18:59:41Z)
• O$^2$-Recon: Completing 3D Reconstruction of Occluded Objects in the Scene with a Pre-trained 2D Diffusion Model [28.372289119872764]
  咬合は、RGB-Dビデオからの3D再構成において一般的な問題であり、しばしばオブジェクトの完全な再構成をブロックする。 本研究では,物体の隠れた部分の完全な表面を再構築する2次元拡散に基づくインペインティングモデルを用いて,新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-08-18T14:38:31Z)
• OR-NeRF: Object Removing from 3D Scenes Guided by Multiview Segmentation with Neural Radiance Fields [53.32527220134249]
  ニューラル・レージアンス・フィールド(NeRF)の出現により,3次元シーン編集への関心が高まっている。 現在の手法では、時間を要するオブジェクトのラベル付け、特定のターゲットを削除する能力の制限、削除後のレンダリング品質の妥協といった課題に直面している。 本稿では, OR-NeRF と呼ばれる新しいオブジェクト除去パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-05-17T18:18:05Z)
• Clutter Detection and Removal in 3D Scenes with View-Consistent Inpainting [10.087325516269265]
  本稿では,3次元のシーンやインペイントの粗さをコヒーレントな形状とテクスチャで除去するシステムを提案する。 ノイズの多いラベルをグループ化し、仮想レンダリングを活用し、インスタンスレベルの領域依存的な損失を課します。 ScanNetとMatterportのデータセットを用いた実験により,本手法はクラッタセグメンテーションと3Dインパインティングのベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-07T17:57:20Z)
• ONeRF: Unsupervised 3D Object Segmentation from Multiple Views [59.445957699136564]
  OneRFは、追加のマニュアルアノテーションなしで、マルチビューのRGBイメージから3Dのオブジェクトインスタンスを自動的に分割し、再構成する手法である。 セグメント化された3Dオブジェクトは、様々な3Dシーンの編集と新しいビューレンダリングを可能にする別個のNeRF(Neural Radiance Fields)を使用して表現される。
  論文  参考訳（メタデータ） (2022-11-22T06:19:37Z)
• CompNVS: Novel View Synthesis with Scene Completion [83.19663671794596]
  本稿では,スパースグリッドに基づくニューラルシーン表現を用いた生成パイプラインを提案する。 画像特徴を3次元空間に符号化し、幾何学的完備化ネットワークとその後のテクスチャ塗布ネットワークを用いて、欠落した領域を外挿する。 フォトリアリスティック画像列は、整合性関連微分可能レンダリングによって最終的に得られる。
  論文  参考訳（メタデータ） (2022-07-23T09:03:13Z)

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。