論文の概要: ScenePlacer: Reformulating Scene-Level Object Pose Estimation as Visibility Field Learning
- arxiv url: http://arxiv.org/abs/2610.15734v1
- Date: Sun, 11 Oct 2026 16:13:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:00:58.912638
- Title: ScenePlacer: Reformulating Scene-Level Object Pose Estimation as Visibility Field Learning
- Title（参考訳）: ScenePlacer: 可視場学習としてのシーンレベルオブジェクトポス推定の修正
- Abstract要約: ScenePlacerは、最先端のネイティブ形状生成モデルによって生成されたオブジェクトのシーンレベルのポーズ推定のためのフレームワークである。
生成した3Dオブジェクトを、下層の生成パイプラインを変更することなく、部分的な幾何学的な観察を行うシーンに配置する。
ScenePlacerは、既存の配置やポーズ・リファインメントのベースラインを、地平線と単眼深度の両方で一貫して上回っている。
- 参考スコア（独自算出の注目度）: 98.27407537377773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present ScenePlacer, a framework for scene-level pose estimation of objects generated by state-of-the-art native shape generation models, placing generated 3D objects into scenes given a partial geometric observation without modifying the underlying generative pipeline. Existing scene generation approaches either generate objects directly in scene coordinates, compromising their canonical-space priors, or regress poses from complete generated shapes in the shape generation process - the latter being a poorly conditioned problem that is sensitive to scale ambiguity and partial observations. ScenePlacer decouples object generation from pose estimation by reformulating alignment as conditional visibility-field learning. Given an observed partial point cloud from reconstruction and a generated mesh, it predicts a visibility field defined in object space, then estimates the rigid transformation by aligning the partial observation to visible parts on the mesh. We propose a pretrained 3D shape VAE as our backbone, preserving its mesh prior while conditioning it on a separately encoded observation. We further introduce visibility-aware, radius-constrained supervision and synthesize training pairs using only object-level meshes and rendered views, eliminating the need for scene-level pose annotations. On 3D-FUTURE, ScenePlacer consistently outperforms existing placement and pose-refinement baselines under both ground-truth and monocular depth estimation. With generated objects, it achieves a Chamfer distance of 0.0077 and an F-score of 92.40 under estimated depth and improves to 0.0023 and 98.27, respectively, under ground-truth geometry.
- Abstract（参考訳）: ScenePlacerは、最先端のネイティブ形状生成モデルによって生成されたオブジェクトのシーンレベルのポーズ推定のためのフレームワークであり、生成した3Dオブジェクトを、基礎となる生成パイプラインを変更することなく、部分的な幾何学的観察を行うシーンに配置する。
既存のシーン生成アプローチは、シーン座標でオブジェクトを直接生成するか、その標準空間の事前を妥協するか、または形状生成プロセスで完全に生成された形状から回帰ポーズ(後者は、曖昧さと部分的な観察をスケールするのに敏感な、条件の悪い問題である)を生成する。
ScenePlacerは、条件付き可視場学習としてアライメントを再構成することで、ポーズ推定からオブジェクト生成を分離する。
再構成された部分点雲と生成されたメッシュから観測された部分点雲が与えられた場合、オブジェクト空間で定義された可視界を予測し、その部分観察をメッシュ上の可視部分と整列させることで剛性変換を推定する。
本研究は, 既訓練の3次元形状BAEを背骨として提案し, メッシュを予め保存し, 個別に符号化した観察で条件付けする。
さらに、視認性に配慮し、半径制限された監視を導入し、オブジェクトレベルのメッシュとレンダリングビューのみを使用してトレーニングペアを合成し、シーンレベルのポーズアノテーションを不要にする。
3D-Futureでは、ScenePlacerは既存の配置やポーズ・リファインメントのベースラインを、地上構造と単眼深度の両方で一貫して上回っている。
生成された物体により、チャンファー距離は0.0077、Fスコアは92.40と推定され、それぞれ0.0023と98.27に改善される。
関連論文リスト
- GATOR: Generative and Agentic 3D Object Reconstruction From Casual Images [27.21315421926771]
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。
論文 参考訳（メタデータ） (2026-10-08T04:13:04Z) - 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) - Collision-Aware and Observation-Aligned Object-Centric Scene Reconstruction from Point Cloud [25.98321188567849]
COOLは、Collision-Aware and Observation-ALigned Restructionのフレームワークである。
3D-FrontとScan2CADの実験は、強いシーンレベルの忠実度、観察アライメント、衝突低減を示す。
論文 参考訳（メタデータ） (2026-09-29T11:10:43Z) - Mira-Scene: Pixel-Aligned Layouts for Generative 3D Scene Reconstruction [69.88254698306027]
シングルイメージの3Dオブジェクト生成は、今や高忠実な資産を生成できるが、それらをコヒーレントなシーンレイアウトに正確に配置することは、未解決の課題である。
スパースポーズの回帰を高密度で有界な対応回復に置き換える構成的3次元シーン再構成フレームワークであるMira-Sceneを提案する。
論文 参考訳（メタデータ） (2026-09-20T18:36:29Z) - Single-View Shape Completion for Robotic Grasping in Clutter [5.084516012213421]
視覚に基づくロボット操作では、単一のカメラビューは、関心のある対象の片側のみをキャプチャできる。
拡散モデルを用いて,部分深度観測からカテゴリレベルの3次元形状の完成を行う。
提案手法は, 形状の完成度を23%向上させることなく, 良好な達成率が得られる。
論文 参考訳（メタデータ） (2025-12-18T12:11:05Z) - 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) - Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。
我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
論文 参考訳（メタデータ） (2022-03-06T06:02:30Z) - RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。
インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。
我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
論文 参考訳（メタデータ） (2020-11-30T12:58:05Z) - Single View Metrology in the Wild [94.7005246862618]
本研究では,物体の3次元の高さや地上のカメラの高さで表現されるシーンの絶対的なスケールを再現する,単一ビューメロジに対する新しいアプローチを提案する。
本手法は,被写体の高さなどの3Dエンティティによる未知のカメラとの相互作用から,弱い教師付き制約を抑えるために設計されたディープネットワークによって学習されたデータ駆動の先行情報に依存する。
いくつかのデータセットと仮想オブジェクト挿入を含むアプリケーションに対して、最先端の定性的かつ定量的な結果を示す。
論文 参考訳（メタデータ） (2020-07-18T22:31:33Z)
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。