論文の概要: UniForge3D: Joint 3D Reconstruction and Generation in a Shared Anchor-Guided Space
- arxiv url: http://arxiv.org/abs/2610.15357v1
- Date: Sun, 11 Oct 2026 05:32:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 01:32:35.900491
- Title: UniForge3D: Joint 3D Reconstruction and Generation in a Shared Anchor-Guided Space
- Title（参考訳）: UniForge3D:共有アンカー誘導空間における3次元再構成と生成
- Abstract要約: 共有アンカー誘導空間における再構成と生成をモデル化したUniForge3Dを提案する。
さらに、生成した構造に点マップ予測を条件付け、画素対ボクセル対応を確立する。
提案手法は,Toys4KおよびGSO上での最先端の外観と幾何学的結果を実現し,忠実度を向上した完全な3Dアセットを生成する。
- 参考スコア（独自算出の注目度）: 15.303842131335871
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generating complete 3D assets from sparse, unposed images requires preserving observed geometry while completing unseen regions. Joint reconstruction and generation offers a way to address both goals: reconstruction recovers the geometry observed in the input images, while generation contributes learned shape priors. However, combining camera-relative reconstruction with canonical-space generation introduces a coordinate mismatch that makes direct geometric interaction more difficult. Moreover, conditioning each 3D location on all views without accounting for their relevance may mix useful geometric evidence with unrelated image content, hindering local detail recovery. We present UniForge3D, which jointly models reconstruction and generation in a shared anchor-guided space, resolving their coordinate mismatch. This space follows the anchor view's azimuth while keeping the object upright. The two branches exchange features bidirectionally to predict per-view point maps and a complete sparse voxel structure. We further condition point-map prediction on the generated structure to establish pixel-to-voxel correspondences and select the most informative input view for each voxel. Features from the selected views then guide detailed shape generation, helping preserve observed geometric details. Our method achieves state-of-the-art appearance and geometry results on Toys4K and GSO, generating complete 3D assets with improved fidelity. Project webpage: https://xishuxishu.github.io/uniforge3d-project/
- Abstract（参考訳）: スパース画像から完全な3Dアセットを生成するには、観察された幾何学を保存し、目に見えない領域を完成させる必要がある。
共同再構成と生成は、両方の目標に対処する方法を提供する: 再構成は入力画像で観察された幾何学を回復し、生成は学習された形状の先行に寄与する。
しかし、カメラ相対再構成と標準空間生成を組み合わせることで、直接幾何学的相互作用がより困難になる座標ミスマッチがもたらされる。
さらに,各3次元位置の関連性を考慮せずに,各3次元位置の条件付けを行うと,非関連画像の内容と有用な幾何学的証拠が混在し,局所的なディテールの回復を阻害する可能性がある。
共有アンカー誘導空間における再構成と生成を共同でモデル化し,座標ミスマッチを解消するUniForge3Dを提案する。
この空間は、オブジェクトを直立させながら、アンカービューの方位に従っている。
2つのブランチは、ビュー毎のポイントマップと完全なスパースボクセル構造を予測するために双方向に特徴を交換する。
さらに、生成した構造に対して点マップ予測を行い、画素対ボクセル対応を確立し、各ボクセルに対して最も情報性の高い入力ビューを選択する。
選択されたビューの特徴は、詳細な形状の生成をガイドし、観察された幾何学的詳細を保存するのに役立つ。
提案手法は,Toys4KおよびGSO上での最先端の外観と幾何学的結果を実現し,忠実度を向上した完全な3Dアセットを生成する。
プロジェクトWebページ: https://xishuxishu.github.io/uniforge3d-project/
関連論文リスト
- 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) - 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) - GAE: Learning a Geometry-Native Latent Space for 3D-Consistent World Generation [79.28580044574306]
本稿では,知覚と生成の共通基盤として,コンパクトな幾何学ネイティブな潜在空間を提案する。
我々は、このシフトを幾何学ネイティブオートエンコーダ(GAE)で実現し、その潜伏線は外観、深度、カメラ、点マップに共起可能である。
論文 参考訳（メタデータ） (2026-09-21T17:56:25Z) - Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。
既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。
提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-06-12T09:43:13Z) - VideoWeave: Unlocking Geometric Consistency in Video Generation via Joint Geometry-Video Modeling [49.98112719317813]
ビデオ拡散モデルは、時間とともに3D構造を保存できないことが多い。
既存の手法は通常、明示的な幾何再構成を用いて幾何整合を強制する。
我々は,暗黙的幾何モデルを用いて生成分布を制約する潜在空間後学習フレームワークであるVideoWeaveを提案する。
論文 参考訳（メタデータ） (2026-06-12T06:41:13Z) - Mix3R: Mixing Feed-forward Reconstruction and Generative 3D Priors for Joint Multi-view Aligned 3D Reconstruction and Pose Estimation [43.71273997834654]
Mix3Rは、フィードフォワードと3D生成を混合した新しい3D再構成法である。
本手法は, 純粋な3次元生成法と比較して, 入力アライメントの優れた3次元形状を生成する。
論文 参考訳（メタデータ） (2026-05-05T04:37:00Z) - Interact3D: Compositional 3D Generation of Interactive Objects [31.12099147294145]
本稿では,3次元合成オブジェクト間の相互作用を物理的に妥当に生成する新しいフレームワークを提案する。
当社のアプローチは、まず先進的な先進的な先進的手法を活用して、高品質な個人資産をキュレートする。
これらの資産を物理的に構成するために、ロバストな2段階合成パイプラインを導入する。
論文 参考訳（メタデータ） (2026-03-17T03:21:06Z) - Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。
提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
論文 参考訳（メタデータ） (2024-08-28T08:02:47Z)
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。