論文の概要: A Differentiable 3D Scene Graph Metric via Contextual Hellinger Triplet Geometry

• arxiv url: http://arxiv.org/abs/2610.17705v1
• Date: Tue, 13 Oct 2026 04:35:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:38:00.459412
• Title: A Differentiable 3D Scene Graph Metric via Contextual Hellinger Triplet Geometry
• Title（参考訳）: 文脈ヘルリンジャートリプルト幾何学による3次元シーングラフの微分化
• Abstract要約: 3次元シーングラフの予測は、通常、局所オブジェクトと述語分類損失によって監督される。 本研究では,3次元シーングラフ間の意味的および構造的相違を計測するグラフレベルの監視対象であるコンテキストヘルリングス・トリプルト幾何を提案する。
• 参考スコア（独自算出の注目度）: 4.910100680096305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D scene graph prediction is commonly supervised with local object and predicate classification losses. Although effective for slot-wise label prediction, this formulation does not provide a graph-level semantic distance between a predicted scene graph and its ground truth: semantically mild label errors and structurally disruptive relational errors can be treated similarly, and subject-predicate-object facts are not compared as scene-level units. We propose Contextual Hellinger Triplet Geometry, a graph-level supervision objective that measures the semantic and structural discrepancy between 3D scene graphs. Our key idea is to reinterpret the conventional classifier outputs of a 3D scene graph predictor as an aligned probabilistic scene graph field, where object and predicate predictions jointly define contextual subject-predicate-object facts. This formulation yields a differentiable metric-based training objective with an efficient factorized implementation and can be applied to existing 3D scene graph prediction architectures without modifying their network design. Experiments on 3DSSG demonstrate that our supervision improves downstream graph-conditioned 3D scene generation, while ablation studies confirm the complementary roles of the proposed graph-level terms and user studies show better graph descriptiveness, relation plausibility, and structural preservation.
• Abstract（参考訳）: 3次元シーングラフの予測は、通常、局所オブジェクトと述語分類損失によって監督される。 この定式化はスロットワイドなラベル予測には有効であるが、予測されたシーングラフとその基礎的真実との間にグラフレベルの意味的距離を与えていない。 本研究では,3次元シーングラフ間の意味的および構造的相違を計測するグラフレベルの監視対象であるコンテキストヘルリングス・トリプルト幾何を提案する。 我々のキーとなる考え方は、従来の3次元シーングラフ予測器の分類器出力を、オブジェクトと述語予測が文脈的主観-述語-対象事実を共同で定義する、整列確率的シーングラフ場として再解釈することである。 この定式化は、効率的な因数分解実装で、ネットワーク設計を変更することなく既存の3Dシーングラフ予測アーキテクチャに適用することができる。 3DSSGを用いた実験では,下流のグラフ条件による3次元シーン生成の監督が向上し,アブレーション研究によりグラフレベルの用語の補完的役割が確認され,ユーザスタディによりグラフ記述性,関係妥当性,構造的保存性が向上した。

関連論文リスト

• SWORD: Scene-Grounded Wasserstein Object-Relation Distance for 3D Scene Graph Prediction [4.494666887655785]
  3次元シーングラフ予測は、一般的にオブジェクトノードとリレーショナルエッジの分類損失に最適化される。 本稿では,Scene-Grounded Wasserstein Object-Relation Distanceを提案する。 SWORDは、トレーニングシーングラフアノテーションからブロック正規化オブジェクトとリレーショナルグラウンド距離メトリクスを構築する。 我々は、SWORD が一致した辺縁確率的シーングラフの厳密な計量であることを証明した。
  論文  参考訳（メタデータ） (2026-10-13T04:18:23Z)
• Beyond Isolated Objects: Relationship-aware Open Vocabulary Scene Understanding via 3D Scene Graph Analysis [59.527737790821305]
  本稿では,3次元シーングラフを用いてオープンな3次元理解を促進する関係認識フレームワークを提案する。 本手法は,物体関係の推測に視覚言語推論を活用することで,多視点観測からリレーショナルシーングラフを構築する。 ScanNetV2、ScanNet200、ScanNet$++$、Replicaの実験は、強力なパフォーマンスと一般化能力を示している。
  論文  参考訳（メタデータ） (2026-07-06T17:29:49Z)
• GPT4SGG: Synthesizing Scene Graphs from Holistic and Region-specific Narratives [69.36723767339001]
  我々は,より正確で包括的なシーングラフ信号を得るために,textitGPT4SGという新しいフレームワークを提案する。 textitGPT4SGGは、画像キャプチャーデータに基づいて訓練されたSGGモデルの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-12-07T14:11:00Z)
• Lang3DSG: Language-based contrastive pre-training for 3D Scene Graph prediction [16.643252717745348]
  本稿では,3次元シーングラフのための言語ベースの事前学習手法を提案する。 一般的な視覚言語モデルであるCLIPの言語エンコーダを利用して、その知識をグラフベースのネットワークに抽出する。 提案手法は,メインセマンティックな3Dシーングラフベンチマークにおいて,最先端の結果を達成している。
  論文  参考訳（メタデータ） (2023-10-25T09:26:16Z)
• Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
  RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。 提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。 提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
  論文  参考訳（メタデータ） (2023-05-04T11:32:16Z)
• SPAN: Learning Similarity between Scene Graphs and Images with Transformers [29.582313604112336]
  本稿では,シーングラフと画像の類似性を計測するScene graPh-imAge coNtrastive learning framework, SPANを提案する。 本稿では,シーングラフを構造的エンコーディングを伴うシーケンスに変換する新しいグラフシリアライズ手法を提案する。
  論文  参考訳（メタデータ） (2023-04-02T18:13:36Z)
• Self-Supervised Relation Alignment for Scene Graph Generation [44.3983804479146]
  シーングラフ生成性能を改善するために,自己教師付きリレーショナルアライメントの正規化を導入する。 提案されたアライメントは一般的なもので、既存のシーングラフ生成フレームワークと組み合わせることができる。 本稿では,この自己教師付きリレーショナルアライメントと2つのシーングラフ生成アーキテクチャの有効性について述べる。
  論文  参考訳（メタデータ） (2023-02-02T20:34:13Z)
• Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions [94.17683799712397]
  我々は、グラフ内のシーンのエンティティを整理するデータ構造であるシーングラフに焦点を当てる。 本研究では,シーンの点雲からシーングラフを回帰する学習手法を提案する。 本稿では,3D-3Dおよび2D-3Dマッチングの中間表現としてグラフが機能するドメインに依存しない検索タスクにおける本手法の適用について述べる。
  論文  参考訳（メタデータ） (2020-04-08T12:25:25Z)

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。