論文の概要: GATOR: Generative and Agentic 3D Object Reconstruction From Casual Images

• arxiv url: http://arxiv.org/abs/2610.11215v1
• Date: Thu, 08 Oct 2026 04:13:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.796743
• Title: GATOR: Generative and Agentic 3D Object Reconstruction From Casual Images
• Title（参考訳）: GATOR:カジュアル画像から生成・エージェントによる3Dオブジェクト再構成
• Abstract要約: カジュアル画像からシーンアライメントされた3Dオブジェクトを再構成する生成フレームワークであるGATORを提案する。 テキスト誘導セマンティックコンディショニングは、これらの空間的手がかりをカテゴリ名とオブジェクトキャプションで補完する。 GATORは、スパース観測からシーン相対的なポーズを回復しながら、強い幾何学的および外観的忠実性を達成する。
• 参考スコア（独自算出の注目度）: 27.21315421926771
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing complete, scene-aligned 3D objects from casual images requires integrating sparse, uncertain observations and inferring surfaces hidden by occlusions. We present GATOR, a generative and agentic framework that recovers textured object assets and their scene-relative pose from one or more images. Our local modality mixer couples patch-aligned RGB, target-mask, and pointmap features before cross-view reasoning, preserving scene context while distinguishing the target from its surroundings. Text-guided semantic conditioning complements these spatial cues with category names and object captions through stage-specific adapters for structure, geometry, and appearance generation. The generated asset initializes a multimodal agent, providing instance-specific geometry and pose for targeted structural and texture refinement through an observation-guided edit-render-review loop. Across synthetic objects, cluttered tabletops, and indoor scenes, GATOR achieves strong geometric and appearance fidelity while recovering scene-relative pose from sparse observations. Time-budget comparisons and scene-level simulation further demonstrate the reconstruction efficiency and simulation readiness. Project page: https://research.nvidia.com/labs/lpr/gator/
• Abstract（参考訳）: カジュアルな画像から完全な3Dオブジェクトを再構築するには、スパース、不確実な観察、およびオクルージョンによって隠された表面の推測を統合する必要がある。 本稿では1つ以上の画像からテクスチャ化されたオブジェクト資産とそのシーン相対的なポーズを復元するジェネレーティブでエージェント的なフレームワークであるGATORを提案する。 我々のローカルなモダリティミキサーは、対象と周囲を区別しながらシーンコンテキストを保ちながら、クロスビュー推論の前にパッチアラインなRGB、ターゲットマスク、ポイントマップ特徴を結合する。 テキスト誘導セマンティックコンディショニングは、これらの空間的手がかりを、構造、幾何学、外観生成のためのステージ固有のアダプタを通して、カテゴリ名とオブジェクトキャプションで補完する。 生成されたアセットは、マルチモーダルエージェントを初期化し、インスタンス固有の幾何を提供し、観察誘導編集・レンダリング・レビューループを介して、ターゲットとなる構造およびテクスチャの洗練のためのポーズを与える。 合成物、ぼろぼろのタブレット、屋内のシーンにまたがって、GATORは、スパース観測からシーン相対的なポーズを回復しながら、強い幾何学的および外観的忠実性を達成する。 時間予算比較とシーンレベルのシミュレーションにより、再構築の効率とシミュレーションの準備がさらに実証された。 プロジェクトページ: https://research.nvidia.com/labs/lpr/gator/

関連論文リスト

• DistScene: Object-to-Scene Distillation for 3D Scene Generation [76.07413416271021]
  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。
  論文  参考訳（メタデータ） (2026-10-03T16:21:52Z)
• SPOON: Towards Coherent Compositional 3D Scene Generation from Uncalibrated Multi-view Images [104.47984768244568]
  近年のイメージコンディショニング3Dジェネレータは, 高品質な物体形状を創出する上で, 強力な先行技術を提供する。 既存のアプローチでは、シーンレイアウトをオブジェクト生成で絡み合わせるか、ビュー固有の観測から空間配置を別々に推定する。 SPOONは、シーンレベルの幾何学的なポーズ推論として構成3D生成を再構成するフレームワークである。
  論文  参考訳（メタデータ） (2026-09-30T12:16:23Z)
• φ-RIE: From Photorealistic Reconstruction to Interactive Environments [57.657253059351795]
  -RIEは、残りの復元を保ちながら、選択したオブジェクトを移動可能なシミュレータアセットに変換する。 シーン・オブザーバは、結合されたシーン・コンストラクションの証拠を共有した。 50のScanNet++シーンでは、エビデンスベースの選択と登録リトライが20mmのF1と、固定保持時の0.336から0.383に一致した。
  論文  参考訳（メタデータ） (2026-09-22T17:59:52Z)
• Fysiverse-3D-Vision Technical Report: Generating Executable 3D Worlds from Images through Unified Spatial Reasoning [62.09790533047924]
  生成モデルは、高度な画像条件付き3Dコンテンツ生成が可能だが、単一の画像から制御可能で実行可能な3Dシーンを生成することは、依然として困難である。 本研究では,Fysiverse-3D-Visionを提案する。Fysiverse-3D-Visionは1つの画像から生成した3次元シーンの再構成と実行可能アセット構築のための統合視覚言語-幾何学フレームワークである。 本フレームワークは,既存の手法と比較して,幾何学的整合性,レイアウト推定,レンダリング品質,物理的特性の理解に優れる。
  論文  参考訳（メタデータ） (2026-09-22T06:22:31Z)
• 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)
• GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
  本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。 結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
  論文  参考訳（メタデータ） (2026-06-02T17:13:01Z)
• ObjectGS: Object-aware Scene Reconstruction and Scene Understanding via Gaussian Splatting [54.92763171355442]
  ObjectGSは3Dシーンをセマンティックな理解と統合するオブジェクト認識フレームワークである。 我々はObjectGSがオープンボキャブラリやパン光学のセグメンテーションタスクにおいて最先端の手法より優れていることを示す実験を通して示す。
  論文  参考訳（メタデータ） (2025-07-21T10:06:23Z)
• SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning [46.441761732998536]
  プロキシジェネレーションとチューニング(SCORP)によるシーン一貫性オブジェクトリファインメント(Scene-Consistent Object Refinement)について紹介する。 SCORP は、3D 生成に先立って細粒度なオブジェクトの形状と外観を復元する新しい3D拡張フレームワークである。 これは、新しいビュー合成と幾何完成タスクの両方において、最近の最先端のベースラインに対して一貫した利得を達成する。
  論文  参考訳（メタデータ） (2025-06-30T13:26:21Z)
• CAST: Component-Aligned 3D Scene Reconstruction from an RGB Image [44.8172828045897]
  現在のメソッドはドメイン固有の制限や低品質のオブジェクト生成に悩まされることが多い。 本稿では,3次元シーンの復元と復元のための新しい手法であるCASTを提案する。
  論文  参考訳（メタデータ） (2025-02-18T14:29:52Z)

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。