論文の概要: WorldRecon: Generative Multi-View Mesh Reconstruction for Large-Scale 3D World
- arxiv url: http://arxiv.org/abs/2610.18846v1
- Date: Tue, 13 Oct 2026 17:57:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:23:25.238977
- Title: WorldRecon: Generative Multi-View Mesh Reconstruction for Large-Scale 3D World
- Title（参考訳）: WorldRecon: 大規模3Dワールドのための生成的マルチビューメッシュ再構築
- Abstract要約: 本稿では,RGB画像から大規模3Dシーンメッシュを復元する多視点再構成フレームワークWorldReconを提案する。
WorldReconは最先端の再建性能を達成し、チャンファー距離を14.9%、43.1%削減した。
- 参考スコア（独自算出の注目度）: 8.988967184096667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing complete, high-quality meshes of large-scale scenes from unposed multi-view images requires faithful geometric grounding while plausibly completing surfaces that are unobserved or only sparsely captured. We present WorldRecon, a generative multi-view reconstruction framework for recovering complete, large-scale 3D scene meshes from unposed RGB images. WorldRecon uses a coarse, noisy global point cloud and camera poses estimated from the input images by a reconstruction model as a global scaffold for whole-scene generation and partitions it into overlapping spatial blocks. To robustly leverage these imperfect geometric priors, we equip the native 3D generative model TRELLIS.2 with a dedicated reconstruction-based conditioning architecture that generates each block from its local point-cloud crop and block-relevant image observations, producing sparse structure, detailed geometry, and PBR materials. To maintain scene-level coherence, we introduce neighbour-aware latent inpainting and a causal world-generation procedure that propagates structural, geometric, and material context across overlapping blocks. Together, these designs scale multi-view generative reconstruction to large-scale scenes, yielding coherent, unified meshes. Extensive experiments demonstrate that WorldRecon achieves state-of-the-art reconstruction performance, reducing Chamfer distance by 14.9% and 43.1% while improving F-score by 17.3% and 12.0% over the strongest baselines on synthetic and real-world indoor scenes, respectively, thereby demonstrating faithful and complete generative reconstruction as well as strong sim-to-real generalization. Project page: https://kszpxxzmc.github.io/WorldRecon-website/.
- Abstract（参考訳）: マルチビュー画像から大規模なシーンの完全な高品質なメッシュを再構築するには、忠実な幾何学的接地が必要であり、観測されていない、あるいはわずかに捕獲された表面を確実に完成させる必要がある。
本稿では,RGB画像から大規模3Dシーンメッシュを復元する多視点再構成フレームワークWorldReconを提案する。
WorldReconでは、粗大でノイズの多いグローバルポイントクラウドと、再構成モデルによって入力画像から推定されたカメラのポーズを、全体シーン生成のためのグローバルな足場として使用し、それを重なり合う空間ブロックに分割する。
これらの不完全な幾何学的前提をしっかりと活用するために、本研究では、局所的な点-クラウドの収穫とブロック関連画像観測から各ブロックを生成し、スパース構造、詳細な幾何学、およびPBR材料を生成する専用の再構成ベースの条件付けアーキテクチャをネイティブ3D生成モデルTRELLIS.2に装備する。
シーンレベルのコヒーレンスを維持するため,複数のブロックにまたがる構造的,幾何学的,物質的コンテキストを伝播する因果世界生成手順を導入する。
これらのデザインは、大規模なシーンにマルチビュー生成的再構築を拡大し、一貫性のある統一メッシュを生み出す。
大規模な実験により、WorldReconは最先端の再現性能を達成し、Chamfer距離を14.9%、43.1%削減し、Fスコアを17.3%改善し、12.0%向上させた。
プロジェクトページ: https://kszpxxzmc.github.io/WorldRecon-website/。
関連論文リスト
- 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) - Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration [41.057923153081035]
不完全または損傷した3Dオブジェクトの復元は、文化遺産の保存、隠されたオブジェクトの再構築、芸術デザインに不可欠である。
マルチビュー画像を用いて,壊れた物体の形状とテクスチャを同時に復元する新しいフレームワークであるRestore3Dを紹介する。
Restore3Dは, 一般的な塗装, 補修, 補修ベースラインよりも, マルチビュー復元品質とテクスチャ化メッシュ復元を改善した。
論文 参考訳（メタデータ） (2026-07-01T07:08:23Z) - GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。
結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-06-02T17:13:01Z) - GenRecon: Bridging Generative Priors for Multi-View 3D Scene Reconstruction [69.35136600319714]
マルチビューRGB画像から高忠実度3Dシーンを再現する手法を提案する。
シーン再構成を条件付き3次元生成として,空間的局所化,重なり合うチャンクの集合に配置した。
切刃再建法を16%上回る高忠実度結果を得た。
論文 参考訳（メタデータ） (2026-05-22T17:49:59Z) - Reconstruction by Generation: 3D Multi-Object Scene Reconstruction from Sparse Observations [29.241988496403383]
RecGenは、オブジェクトと部分形状の確率的共同推定のための生成フレームワークである。
多様なオブジェクトタイプと現実世界環境にまたがって一般化される。
RecGenは、複雑で排他的なデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-29T18:51:21Z) - Scene Grounding In the Wild [27.597534811067348]
大規模な現実世界のシーンの正確な3Dモデルを、非構造的で、その中の画像から再構築することは、コンピュータビジョンにおける重要な課題である。
シーンの完全な参照モデルに各部分再構成を基礎とするフレームワークを提案する。
従来のパイプラインや学習ベースのパイプラインでは,我々のアプローチが一貫してグローバルアライメントを改善することを示す。
論文 参考訳（メタデータ） (2026-03-27T16:41:20Z) - WorldGrow: Generating Infinite 3D World [75.81531067447203]
我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。
本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。
提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
論文 参考訳（メタデータ） (2025-10-24T17:39:52Z) - Zero-Shot Multi-Object Scene Completion [59.325611678171974]
1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。
提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
論文 参考訳（メタデータ） (2024-03-21T17:59:59Z) - UniSDF: Unifying Neural Representations for High-Fidelity 3D Reconstruction of Complex Scenes with Reflections [87.191742674543]
大規模な複雑なシーンをリフレクションで再構成できる汎用3次元再構成手法UniSDFを提案する。
提案手法は,複雑な大規模シーンを細部と反射面で頑健に再構築し,全体的な性能を向上する。
論文 参考訳（メタデータ） (2023-12-20T18:59:42Z)
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。