論文の概要: SpaceFlow: Locally Controllable 3D Generation

• arxiv url: http://arxiv.org/abs/2610.12399v1
• Date: Thu, 08 Oct 2026 17:42:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.232636
• Title: SpaceFlow: Locally Controllable 3D Generation
• Title（参考訳）: SpaceFlow:ローカル制御可能な3D世代
• Abstract要約: SpaceFlowは、ローカルに制御可能な3D生成のためのトレーニング不要のパイプラインである。 各プリミティブはオブジェクト部分のプロキシとして機能し、ローカルコントロールレベルが割り当てられる。 外観合成では、生成された構造は分割され、プリミティブにマッチする。
• 参考スコア（独自算出の注目度）: 37.65301904282283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current 3D generation methods lack explicit local control: geometric adherence is often defined by a global control strength, and appearance cannot be specified locally. We present SpaceFlow, a training-free pipeline for locally controllable 3D generation from text descriptions and a collection of geometric primitives. Each primitive serves as a proxy for an object part and is assigned a local control level, enabling users to specify whether regions should strictly follow the input shape or allow generative completion. During structure generation, we enforce these spatial constraints within the generative flow process. For appearance synthesis, the generated structure is segmented and matched to the primitives. Each generated part is conditioned only on its assigned text or image cue, thereby limiting cross-part leakage. Regional geometry metrics demonstrate that SpaceFlow preserves the specified geometry in high-control regions and enables plausible shape variation in low-control areas. A user study further indicates that the resulting balance between geometric fidelity and generative freedom remains competitive in overall quality. When evaluating appearance on fixed geometry, text-conditioned routing achieves state-of-the-art prompt faithfulness and color/material accuracy. Qualitative results additionally show localized routing of image cues. The project page is available at SpaceFlow3D.github.io.
• Abstract（参考訳）: 幾何学的付着度は、大域的な制御強度によって定義されることが多く、外観は局所的に特定できない。 テキスト記述と幾何学的プリミティブのコレクションからローカルに制御可能な3D生成のためのトレーニング不要パイプラインであるSpaceFlowを紹介する。 各プリミティブは、オブジェクト部分のプロキシとして機能し、ローカルコントロールレベルが割り当てられる。 構造生成中、生成フロープロセス内でこれらの空間的制約を強制する。 外観合成では、生成された構造は分割され、プリミティブにマッチする。 各生成部は、割り当てられたテキストまたは画像キューにのみ条件付けされるため、クロスパーツリークが制限される。 地域幾何学のメトリクスは、SpaceFlowが高制御領域で指定された幾何を保存し、低制御領域で可塑性な形状変化を可能にすることを示している。 ユーザスタディは、幾何学的忠実度と生成自由度のバランスは、全体的な品質において競争力を維持することを示唆している。 固定幾何における外観を評価する際、テキスト条件付きルーティングは、忠実さと色/素材の精度を即時的に達成する。 定性的結果は、画像キューの局所的なルーティングを示す。 プロジェクトページはSpaceFlow3D.github.ioで公開されている。

関連論文リスト

• Learning Propagation Geometry from Message-Passing Feedback [58.684834960683226]
  GeoFは、メッセージパッシングフィードバックを通じてノード機能と伝搬幾何学を進化させる、反復的なフレームワークである。 ベンチマークデータセットの実験は、GeoFが最先端のGNNベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-09-28T09:22:49Z)
• Scaling 3D Generative Priors to Large-Scale Scene Meshes from Multi-View Images [5.787939851305456]
  事前訓練された3D生成モデルは、詳細な幾何学と外観を生成するが、主に空間範囲の範囲内でオブジェクト中心の生成のために設計されている。 近年のアプローチでは、大きなシーンを小さな空間領域に分割し、各領域に事前訓練された3D生成前処理を適用することで、この制限に対処している。 マルチビュー画像から大規模テクスチャメッシュを生成するためのトレーニングフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-06T04:52:52Z)
• PixelControl: Fine-Grained Condition Fidelity in Text-to-Image Diffusion [26.881929542995675]
  PixelControlは、微細な条件忠実度のためのピクセル空間制御可能な拡散フレームワークである。 深度、セグメンテーション、エッジ、および軽量ゲート融合によるモダリティ固有の制御ブランチによるそれらの組み合わせをサポートする。 実験によると、PixelControlは既存の制御可能な生成方法よりも構造的忠実度と視覚的品質を向上させる。
  論文  参考訳（メタデータ） (2026-08-16T12:16:58Z)
• SpaceControl: Introducing Test-Time Spatial Control to 3D Generative Modeling [62.89824987879374]
  本研究では,3次元生成の空間的制御を明示する訓練不要なテストタイム手法であるSpaceControlを紹介する。 SpaceControlは、追加のトレーニングを必要とせずに、現代的な事前訓練された生成モデルとシームレスに統合する。 テクスチャ化された3Dアセットへの直接変換を行うために,スーパークワッドリックのオンライン編集を可能にする対話型ユーザインタフェースを提案する。
  論文  参考訳（メタデータ） (2025-12-05T00:54:48Z)
• Blended Point Cloud Diffusion for Localized Text-guided Shape Editing [12.332668298895717]
  本研究では,点雲として表される形状を編集するインパインティングベースのフレームワークを提案する。 そこで本研究では,全形状の復元と塗装のバランスをとる推論時間座標ブレンディングアルゴリズムを提案する。 座標ブレンディングアルゴリズムは、元の形状と編集した形状をシームレスにブレンドし、3次元形状のきめ細かい編集を可能にする。
  論文  参考訳（メタデータ） (2025-07-21T09:00:19Z)
• GALA: Geometry-Aware Local Adaptive Grids for Detailed 3D Generation [28.299293407423455]
  GALAは複雑な幾何学や表面の細部を捉え再現する3次元形状の斬新な表現である。 最適化されたC++/CUDA実装では、GALAをオブジェクトに10秒以内で適用することができます。 幾何学的なディテールで3次元形状を生成することができるカスケード生成パイプラインを提供する。
  論文  参考訳（メタデータ） (2024-10-13T22:53:58Z)
• DiffFacto: Controllable Part-Based 3D Point Cloud Generation with Cross Diffusion [68.39543754708124]
  DiffFactoは,部品レベルの制御で形状の分布を学習する新しい確率的生成モデルである。 実験により,複数の制御軸を持つ新しい形状を生成可能であることが示された。 最先端のパートレベルの生成品質を実現し、可塑性かつコヒーレントな形状を生成する。
  論文  参考訳（メタデータ） (2023-05-03T06:38:35Z)

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。