論文の概要: 3D-VITAL: Visibility-aware Identity Training from Artificial Liftings of 3D Reconstruction model for Cross-View Object Re-Identification

• arxiv url: http://arxiv.org/abs/2610.16692v1
• Date: Mon, 12 Oct 2026 12:29:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 21:53:20.56738
• Title: 3D-VITAL: Visibility-aware Identity Training from Artificial Liftings of 3D Reconstruction model for Cross-View Object Re-Identification
• Title（参考訳）: 3D-VITAL:クロスビューオブジェクト再識別のための3次元再構成モデルの人工リフティングからの可視性を考慮したアイデンティティトレーニング
• Abstract要約: 本稿では,クロスビューオブジェクト再識別(ReID)タスクに対処する。 この視点ギャップを埋めるために、関連する研究は生成モデルを用いて、ソース画像から新しいビューを追加のトレーニングデータとして合成する。 大規模単一ビュー3Dメッシュ再構成の最近の進歩を活用して、ソースイメージをテクスチャ化されたメッシュに上げ、新しい視点からレンダリングする。
• 参考スコア（独自算出の注目度）: 1.621606615628714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the Cross-View Object Re-Identification (ReID) task, aiming to match identities across drastically different viewpoints. We focus on Single-View Aerial-Ground ReID (SV AG-ReID), where models train on one viewpoint and must generalize to another at inference. To bridge this viewpoint gap, related work employs generative models to synthesize novel views from source images as additional training data. We leverage recent advances in large-scale single-view 3D mesh reconstruction to lift source images into textured meshes and to render them from new viewpoints. However, this pipeline produces unreliable data in two distinct ways. First, the reconstruction may fail and produce geometrically incorrect meshes, resulting in severe corruption in rendered novel views. Second, even when the geometry is correct, the rendered novel views contain hallucinated textures in regions not visible in the source image. The reconstructed mesh carries a per-pixel partition between regions visible from the source view and regions that the reconstruction model had to hallucinate, available as a deterministic byproduct of rendering. We introduce this per-pixel visibility map and exploit it in a two-stage design. Cross-View Consistency Filtering (CVCF) discards geometrically incorrect meshes by ensuring multi-view consistency between source and novel views over visible patches. Visibility-Aware Attention Supervision (VAAS) leverages the visibility map to guide the model's attention toward reliable regions of the rendered view during training. Combined, these two components enable our method, 3D-VITAL, to better leverage the synthetic signal from single-view 3D mesh reconstruction. 3D-VITAL sets a new state-of-the-art on three SV AG-ReID benchmarks. Code and data will be released at https://github.com/TurtleSmoke/3D-VITAL.
• Abstract（参考訳）: 本稿では,クロスビューオブジェクト再識別(ReID)タスクに対処する。 SV AG-ReID(Single-View Aerial-Ground ReID)に焦点をあてる。 この視点ギャップを埋めるために、関連する研究は生成モデルを用いて、ソース画像から新しいビューを追加のトレーニングデータとして合成する。 大規模単一ビュー3Dメッシュ再構成の最近の進歩を活用して、ソースイメージをテクスチャ化されたメッシュに上げ、新しい視点からレンダリングする。 しかし、このパイプラインは2つの異なる方法で信頼できないデータを生成する。 第一に、再構成は失敗し、幾何学的に不正確なメッシュを生成する可能性がある。 第二に、幾何が正しい場合でも、描画された新しいビューは、ソース画像に見えない領域の幻覚的なテクスチャを含む。 再構成メッシュは、ソースビューから見える領域と、レンダリングの確定的副産物として利用可能な再構成モデルが幻覚しなければならなかった領域の間をピクセル単位で分割する。 このピクセルごとの可視性マップを導入し、2段階の設計で活用する。 CVCF(Cross-View Consistency Filtering)は、可視パッチ上のソースと新規ビュー間の複数ビュー一貫性を保証することで、幾何学的に不正確なメッシュを破棄する。 Visibility-Aware Attention Supervision (VAAS) は、可視化マップを利用して、トレーニング中にレンダリングされたビューの信頼性のある領域にモデルの注意を向ける。 これら2つのコンポーネントを組み合わせることで、単視点3Dメッシュ再構成の合成信号をよりよく活用する3D-VITAL法が実現される。 3D-VITALは3つのSV AG-ReIDベンチマークに新たな最先端を設定。 コードとデータはhttps://github.com/TurtleSmoke/3D-VITAL.comで公開される。

関連論文リスト

• SplatGuide: Geometric Priors from 3D Gaussians for Pose-Free Novel View Synthesis [42.23526579547921]
  SplatGuideは、3つの補完的な役割で1つの3DGSシーンを再利用する。 ガウス単位のソースビューインデックスは、ターゲットビュー投票マップに描画される。 レコンストラクショントークンは、クロスアテンションを介して特徴レベルのガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-08-17T17:45:57Z)
• ROAR-3D: Routing Arbitrary Views for High-Fidelity 3D Generation [37.92039103619653]
  単一像から3D生成モデルでは、高品質な幾何を生成できるが、単一のビューで条件付けすることで、目に見えない領域に関する曖昧さがもたらされる。 ROAR-3Dは、事前訓練された単一ビューモデルをアップグレードし、任意の数の未提示画像を受け入れる軽量な方法である。 ROAR-3Dは最先端のマルチビュー3D生成品質を実現し、一貫した改善で1～12ビュー以上のテストタイムビュースケーリングをサポートする。
  論文  参考訳（メタデータ） (2026-05-20T12:50:52Z)
• 3D-LENS: A 3D Lifting-based Elevated Novel-view Synthesis method for Single-View Aerial-Ground Re-Identification [1.621606615628714]
  Aerial-Ground Re-Identification (AG-ReID) は、視点領域のギャップによって制約される。 私たちはまず、Single-View AG-ReID設定をフォーマルにすることで、この問題に対処します。 3次元リフティングに基づく高次新規ビュー合成(3D-LENS)を提案する。
  論文  参考訳（メタデータ） (2026-04-29T10:38:48Z)
• DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
  閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。 私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
  論文  参考訳（メタデータ） (2025-06-26T17:58:26Z)
• 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
  マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。 しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。 本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-29T02:30:31Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• Vision Transformer for NeRF-Based View Synthesis from a Single Input Image [49.956005709863355]
  本稿では,グローバルな特徴と局所的な特徴を両立させ,表現力のある3D表現を実現することを提案する。 新たなビューを合成するために,学習した3次元表現に条件付き多層パーセプトロン(MLP)ネットワークを訓練し,ボリュームレンダリングを行う。 提案手法は,1つの入力画像のみから新しいビューを描画し,複数のオブジェクトカテゴリを1つのモデルで一般化することができる。
  論文  参考訳（メタデータ） (2022-07-12T17:52:04Z)

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。