論文の概要: HI3D 3.0 (Twinkle3D): Object-specific 3D Asset Generation with High Resolution

• arxiv url: http://arxiv.org/abs/2610.11685v1
• Date: Thu, 08 Oct 2026 10:57:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.964191
• Title: HI3D 3.0 (Twinkle3D): Object-specific 3D Asset Generation with High Resolution
• Title（参考訳）: HI3D 3.0(Twinkle3D):高分解能オブジェクト固有の3Dアセット生成
• Abstract要約: Hi3D 3.0は、オブジェクト固有の忠実度をターゲットとした画像から3D生成システムである。 ツインクル3Dは4次元に沿って高忠実度幾何生成を進める。
• 参考スコア（独自算出の注目度）: 27.51907537923446
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image-to-3D generation has become increasingly capable of producing objects that closely resemble the input image, and an outstanding challenge is to reproduce the depicted object itself, including the specific geometry that defines it. Inscriptions, brand marks, and repeated structures are frequently distorted or lost, despite being critical to object identity. We present Hi3D 3.0, an image-to-3D generation system targeting object-specific fidelity, with Twinkle3D as its geometry model for generating watertight triangle meshes at $2048^{3}$ resolution. Twinkle3D advances high-fidelity geometry generation along four dimensions. First, while O-Voxel/FaithC offers high representational precision, it often suffers from poor surface quality and non-watertight geometry. We address both issues while retaining its $2048^{3}$-level precision. Second, we scale diffusion generation to sequences of up to 300K geometric tokens through a redesigned DiT architecture and large-scale distributed training optimizations, reducing training time per step from approximately ten minutes to ten seconds. Third, subsequent refinement cannot fully compensate for errors introduced during initial generation; we therefore strengthen both global shape and local detail in the initial generation stage, and the resulting single-stage model surpasses prior two-stage pipelines with $512^{3}$ refinement. Finally, we introduce a fine-grained image-3D cross-modal interaction mechanism that strengthens correspondence between visual evidence and geometric tokens, improving the recovery of object-specific structures. We evaluate geometric fidelity using alignment metrics derived from silhouettes and normal fields. Hi3D 3.0 outperforms four commercial systems across all reported metrics, recovering 82.1% of inscribed characters at 98.2% precision, compared with 21.7% recall for the strongest competitor.
• Abstract（参考訳）: 画像から3Dへの生成は、入力画像によく似たオブジェクトを生成できるようになり、それを定義する特定の幾何学を含む、表現されたオブジェクト自体を再現することが大きな課題となっている。 碑文、ブランドマーク、繰り返される構造はしばしば歪んだり失われたりするが、オブジェクトの同一性には批判的である。 Twinkle3Dは水密三角形メッシュを2048^{3}$解像度で生成する幾何学モデルである。 ツインクル3Dは4次元に沿って高忠実度幾何生成を進める。 第一に、O-Voxel/FaithCは高い表現精度を提供するが、表面の質や非水密な幾何学に悩まされることが多い。 2048^{3}$レベルの精度を維持しながら、両方の問題に対処する。 第2に、DiTアーキテクチャの再設計と大規模分散トレーニング最適化により、最大300Kの幾何トークンのシーケンスに拡散生成をスケールし、ステップあたりのトレーニング時間を約10分から10秒に短縮する。 第三に、その後の改良は、初期生成時に導入された誤差を完全に補うことができず、したがって、初期生成時のグローバルな形状と局所的な詳細の両方を強化し、結果として得られるシングルステージモデルは、512^{3}$リファインメントで以前の2段階パイプラインを超える。 最後に,視覚的エビデンスと幾何学的トークンとの対応性を強化し,オブジェクト固有構造の回復を向上する,微細な3次元画像間相互作用機構を提案する。 シルエットと正規場から導出したアライメント指標を用いて幾何学的忠実度を評価する。 Hi3D 3.0は、報告された全ての指標で4つの商用システムを上回っ、98.2%の精度で82.1%の入力文字を回復した。

関連論文リスト

• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
  本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。 本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
  論文  参考訳（メタデータ） (2025-09-18T13:45:08Z)
• Deep Geometric Moments Promote Shape Consistency in Text-to-3D Generation [27.43973967994717]
  MT3Dは高忠実度3Dオブジェクトを利用して視点バイアスを克服するテキスト・ツー・3D生成モデルである。 3Dアセットから幾何学的詳細を取り入れることで、MT3Dは多様で幾何学的に一貫したオブジェクトを作成することができる。
  論文  参考訳（メタデータ） (2024-08-12T06:25:44Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• ID-to-3D: Expressive ID-guided 3D Heads via Score Distillation Sampling [96.87575334960258]
  ID-to-3D(ID-to-3D)は、不整合表現を用いたIDとテキスト誘導型3次元頭部を生成する方法である。 前例のないアイデンティティ一貫性と高品質なテクスチャと幾何生成を実現する。
  論文  参考訳（メタデータ） (2024-05-26T13:36:45Z)
• Retrieval-Augmented Score Distillation for Text-to-3D Generation [30.57225047257049]
  テキストから3D生成における検索に基づく品質向上のための新しいフレームワークを提案する。 我々はReDreamが幾何整合性を高めて優れた品質を示すことを示すために広範な実験を行った。
  論文  参考訳（メタデータ） (2024-02-05T12:50:30Z)

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。