論文の概要: CoTL: Compact Token Learning for 3D Scene Representation

• arxiv url: http://arxiv.org/abs/2610.18446v2
• Date: Wed, 14 Oct 2026 13:12:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.630101
• Title: CoTL: Compact Token Learning for 3D Scene Representation
• Title（参考訳）: CoTL:3次元シーン表現のためのコンパクトなトークン学習
• Abstract要約: CoTLはコンパクトなトークン集合を学習するフレームワークで、シーンの幾何学と外観を、未提示のマルチビュー画像から学習する。 RealEstate10K と ACID の実験は、結果として得られるコンパクトで非構造化トークンセットが競合する新規ビュー合成をサポートすることを示している。
• 参考スコア（独自算出の注目度）: 20.583785560656253
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present CoTL, a framework that learns a compact set of tokens that preserves scene geometry and appearance from unposed multi-view images. Our encoder compresses the input images into small per-view sets of latent tokens that aggregate information across views to form a view-consistent scene representation. Each additional view expands the representation with only a small, resolution-independent set of tokens, allowing its capacity to grow with the available observations. To force this compact bottleneck to retain sufficient scene information, a query-based Gaussian decoder uses scene-independent queries to attend to the learned tokens and recover an explicit, renderable set of 3D Gaussian primitives. Novel-view rendering supervision trains the compact representation end to end through the reconstructed Gaussian scene. Experiments on RealEstate10K and ACID show that the resulting compact, unstructured token set supports competitive novel-view synthesis and can serve as the latent space of a generative model for 3D Gaussian scene generation. Together, these results show that 3D Gaussian reconstruction is an effective objective for compact scene representation learning and the learned token space provides a basis for broader downstream tasks in 3D vision.
• Abstract（参考訳）: 本研究では,複数視点画像からシーン形状と外観を保存したコンパクトなトークン集合を学習するフレームワークであるCoTLを提案する。 エンコーダは、入力画像をビュー毎に小さな潜在トークンセットに圧縮し、ビュー全体で情報を集約し、ビュー一貫性のあるシーン表現を形成する。 それぞれの追加ビューは、小さな解像度に依存しないトークンセットで表現を拡張し、利用可能な観測でその容量を拡大する。 このコンパクトなボトルネックに十分なシーン情報を保持するように強制するために、クエリベースのガウスデコーダは、シーン非依存のクエリを使用して学習トークンに対応し、3Dガウスプリミティブの明示的でレンダリング可能なセットを復元する。 ノベルビューレンダリング監督は、再建されたガウスのシーンを通してコンパクトな表現を終端に訓練する。 RealEstate10KとACIDの実験は、結果として得られるコンパクトで非構造的なトークンセットが競合する新規ビュー合成をサポートし、3Dガウスシーン生成のための生成モデルの潜在空間として機能することを示している。 これらの結果から,3次元ガウス再構成はコンパクトなシーン表現学習の有効な目的であり,学習トークン空間は3次元視覚における下流タスクの基盤となることが示された。

関連論文リスト

• SceneTok: A Compressed, Diffusable Token Space for 3D Scenes [18.094424146923892]
  SceneTokは、シーンのビューセットを圧縮・拡散可能な非構造化トークンセットにエンコードする新しいトークンである。 圧縮が他の表現よりも1～3桁強く、なおも最先端の復元品質に到達していることを示す。
  論文  参考訳（メタデータ） (2026-02-21T16:08:17Z)
• C3G: Learning Compact 3D Representations with 2K Gaussians [55.04010158339562]
  近年の手法では3次元ガウススプラッティングを再構成に用い, シーン理解のための2D-to-3D機能昇降ステージが提案されている。 提案するC3Gは,空間的にのみコンパクトな3次元ガウスを推定する新しいフィードフォワードフレームワークである。
  論文  参考訳（メタデータ） (2025-12-03T17:59:05Z)
• CLiFT: Compressive Light-Field Tokens for Compute-Efficient and Adaptive Neural Rendering [20.916387646203273]
  本稿では,シーンを「圧縮光フィールドトークン(CLiFT)」として表現するニューラルレンダリング手法を提案する。 CLiFTは、圧縮されたトークンによる計算効率のレンダリングを可能にし、シーンを表すトークンの数を変更したり、トレーニングされたネットワークで新しいビューをレンダリングすることができる。
  論文  参考訳（メタデータ） (2025-07-11T17:38:52Z)
• Object-level Scene Deocclusion [92.39886029550286]
  オブジェクトレベルのシーン・デクルージョンのためのPArallel可視・コミュールト拡散フレームワークPACOを提案する。 PACOをトレーニングするために、500kサンプルの大規模なデータセットを作成し、自己教師付き学習を可能にします。 COCOAと様々な現実世界のシーンの実験では、PACOがシーンの排除に優れた能力を示し、芸術の状態をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-06-11T20:34:10Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)

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。