論文の概要: Unravel: Recovering an Interactive 3D Scene from a Single Image

• arxiv url: http://arxiv.org/abs/2610.16146v1
• Date: Mon, 12 Oct 2026 04:08:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.306129
• Title: Unravel: Recovering an Interactive 3D Scene from a Single Image
• Title（参考訳）: 1枚の画像からインタラクティブな3Dシーンを再現するUnravel
• Abstract要約: Unravelはトレーニング不要のフレームワークで、1枚の画像をインタラクティブな3Dシーンに変換する。 最初はシーンを分解し、その後再配置する。 実験によると、Unravelはより多くのオブジェクトを回収し、それらをより忠実に配置し、既存の方法よりも物理的に楽しむシーンを生成する。
• 参考スコア（独自算出の注目度）: 43.32053508668168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Unravel, a training-free framework that turns a single image into an interactive 3D scene, where every object is an independent and movable asset. Existing generators either produce one entangled geometry in which no object can be moved, or predict all objects in one feed-forward pass, where a wrong guess cannot be detected or repaired. Unravel instead takes a different approach: it first takes the scene apart, and then puts it back together. Starting from the input image, an agentic harness that iteratively peels the image layer by layer, and adopts point cloud as major modality for spatial relationship recovery. Specifically, a vision-language model plans which objects are fully visible, an image editor removes them and restores the occluded regions. Every edit is verified before being incorporated into the reconstruction. This process gradually turns occluded parts of the scene into direct observation, allowing objects to be reconstructed when they are best exposed rather than hallucinated from the original image alone. The scene is then rebuilt in reverse removal order, so that the supporting objects are naturally placed before the objects they support. Since a single-view image only reveals part of an object, we treat the observed points as a lower bound on its size: an asset may grow to cover its points, but can not shrink away from them. Finally, we physically settle the reconstructed scene to remove floating objects and interpenetrations, followed by an agentic audit that corrects remaining placement errors. Extensive experiments on diverse indoor scenes show that Unravel recovers more objects, places them more faithfully, and produces scenes that are more physically-plausible than existing methods.
• Abstract（参考訳）: トレーニング不要のフレームワークであるUnravelを紹介します。単一のイメージをインタラクティブな3Dシーンに変換することで,すべてのオブジェクトが独立して移動可能なアセットになります。 既存のジェネレータは、何も移動できない1つの絡み合った幾何学を生成するか、1つのフィードフォワードパスで全てのオブジェクトを予測する。 代わりにUnravelは別のアプローチを取る。まずシーンを分解し、それからまとめて戻す。 入力画像から始めると、エージェントハーネスは、画像層を層ごとに反復的に剥離し、点雲を空間的関係回復のための主要なモダリティとする。 具体的には、視覚言語モデルでは、どのオブジェクトが完全に可視であるかを計画し、画像エディターはそれらを取り除き、隠された領域を復元する。 すべての編集は、再構築に組み込まれる前に検証される。 このプロセスは、隠蔽された部分を徐々に直接観察に転換し、オリジナル画像からのみ幻覚されるのではなく、最も露出した時にオブジェクトを再構築する。 その後、シーンは逆削除順序で再構築され、サポート対象がサポート対象の前に自然に配置される。 単一ビューの画像は対象の一部しか明らかにしないため、観測された点をその大きさの低い境界として扱う。 最後に,再構成されたシーンを物理的に解決し,浮動小体やインターペネレーションを除去し,残った配置誤差を補正するエージェント監査を行った。 様々な屋内シーンの大規模な実験は、Unravelがより多くのオブジェクトを回収し、それらをより忠実に配置し、既存の方法よりも物理的に楽観的なシーンを生成することを示している。

関連論文リスト

• CODA: Depth-Aligned Scene Completion and Object Decomposition from a Single RGB-D Image [7.669605176146935]
  一つの未分割RGB-D画像から完全なシーン形状を再構成する生成モデルであるCODA(Complete Once, Decompose Afterward)を紹介する。 このドリフトを減らすため、CODAは2つの明示的な3Dグラウンド機構を使用して、観察された表面と整合した再構成された幾何を維持する。
  論文  参考訳（メタデータ） (2026-09-22T04:04:43Z)
• ObjectSplat: Improving Mesh Fidelity and Interactivity for 3D Scenes via Object-Level Mesh Splatting [2.1874189959020423]
  Splattingベースのアルゴリズムは、通常の画像からフォトリアリスティック、リアルタイムレンダリング、メッシュエクスポート可能な3Dシーンを再構築する。 我々は、各フレームからインスタンスを分割し、残りのものを背景として検討し、各インスタンスと背景をメッシュスプレイティングで独立に再構築し、それらを単一のシーンに構成する、分解前再構成アプローチを提案する。 提案手法は, メッシュの忠実度(Fスコアの5%以上)と新規ビュー合成を向上し, オブジェクトワイド・モディフィビリティと対話性をサポートした。
  論文  参考訳（メタデータ） (2026-08-31T08:20:53Z)
• VOID: Video Object and Interaction Deletion [50.155301620235285]
  既存のビデオオブジェクト除去手法は、オブジェクトの「裏」にペンキを塗ることに優れ、影や反射のような外観レベルのアーティファクトを補正する。 本稿では,複雑なシナリオにおいて物理的に表現可能な描画を実現するためのビデオオブジェクト除去フレームワークVOIDを提案する。
  論文  参考訳（メタデータ） (2026-04-02T17:36:53Z)
• Seeing Through Clutter: Structured 3D Scene Reconstruction via Iterative Object Removal [11.166147692815931]
  本稿では,SeeingThroughClutterについて述べる。SeeingThroughClutterは,オブジェクトを個別にセグメント化,モデリングすることで,単一の画像から構造化された3次元表現を再構成する手法である。 複雑なシーンを単純なサブタスクのシーケンスに分解する反復的なオブジェクト除去と再構築パイプラインを導入することで、この問題に対処する。 本手法では,基礎モデルの継続的な進歩から直接,タスク固有のトレーニングやメリットを必要としない。
  論文  参考訳（メタデータ） (2026-02-03T22:37:43Z)
• Disentangled 3D Scene Generation with Layout Learning [109.03233745767062]
  本稿では,コンポーネントオブジェクトに絡み合った3Dシーンを生成する手法を提案する。 私たちの重要な洞察は、オブジェクトは空間的に再構成された場合、同じシーンの有効な構成を生成する3Dシーンの一部を見つけることで発見できるということです。 単純さにもかかわらず、我々のアプローチは個々のオブジェクトに3Dシーンを生成することに成功している。
  論文  参考訳（メタデータ） (2024-02-26T18:54:15Z)
• RealFusion: 360{\deg} Reconstruction of Any Object from a Single Image [98.46318529630109]
  対象物の全360度写真モデルを1枚の画像から再構成する際の問題点を考察する。 拡散に基づく自己条件付き画像生成装置を設計し、オブジェクトの新たなビューを"ドレームアップ"するよう促すプロンプトを設計する。
  論文  参考訳（メタデータ） (2023-02-21T13:25:35Z)
• Visiting the Invisible: Layer-by-Layer Completed Scene Decomposition [57.088328223220934]
  既存のシーン理解システムは、主にシーンの可視部分を認識し、現実世界の物理的物体の無傷な外観を無視します。 本研究では,ある場面における物体と背景の可視部分と可視部分の両方に取り組む高レベルのシーン理解システムを提案する。
  論文  参考訳（メタデータ） (2021-04-12T11:37:23Z)

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。