論文の概要: Edit4D: Editable 4D Scene Generation with Textual Control
- arxiv url: http://arxiv.org/abs/2610.21668v1
- Date: Thu, 15 Oct 2026 10:52:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.041187
- Title: Edit4D: Editable 4D Scene Generation with Textual Control
- Title（参考訳）: Edit4D:テキスト制御による編集可能な4Dシーン生成
- Abstract要約: 編集可能なテキストから4Dのシーン生成フレームワークであるEdit4Dを紹介する。
4Dシーンを背景と動的文字表現から構成する。
ステージ固有のコンポーネントを統合することで、Edit4Dはコントロール可能なカメラモーション、フレキシブルなオブジェクトレベルの編集、編集可能な4Dシーンの実用的な構築を可能にします。
- 参考スコア（独自算出の注目度）: 7.736295402303903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Edit4D, an editable text-to-4D scene generation framework that constructs 4D scenes from separate background and dynamic character representations. Recent advances in generative models have enabled text-driven dynamic scene synthesis, but editable 4D scene generation remains challenging due to the need to preserve spatial geometry and temporal dynamics. Existing approaches typically generate holistic scene videos, where the background and dynamic characters are coupled, making object-level editing and flexible camera control difficult. Edit4D addresses these limitations through a stage-specific generation pipeline. Given a user instruction, Edit4D first decomposes it into stage-specific prompts for background, dynamic character, and scene-character composition. Using these prompts, we synthesize multi-view scene images with text-to-image and camera-conditioned generative priors and reconstruct a background 3D Gaussian splatting representation. We then generate a character image, animate it with an image-conditioned video prior, reconstruct a 4D mesh, and bind Gaussian primitives to obtain a character representation. Finally, both components are composed through text-guided segmentation and contact-aware optimization. A global scene refinement is then performed to improve harmonization and rendering consistency. By integrating stage-specific components, Edit4D enables controllable camera motion, flexible object-level editing, and the practical construction of editable 4D scenes. Project page: https://chanwo0kim.github.io/Edit4D/
- Abstract（参考訳）: 編集可能なテキストから4Dのシーン生成フレームワークであるEdit4Dを導入する。
生成モデルの最近の進歩により、テキスト駆動の動的シーン合成が可能になったが、空間幾何学や時間力学の保存の必要性から、編集可能な4Dシーン生成は難しいままである。
既存のアプローチでは、背景と動的キャラクタが結合された全体的シーンビデオが生成され、オブジェクトレベルの編集とフレキシブルなカメラ制御が困難になる。
Edit4Dはステージ固有の生成パイプラインを通じてこれらの制限に対処する。
ユーザー命令が与えられたら、Edit4Dはまずステージ固有のプロンプトに分解し、背景、動的文字、シーン・キャラクタの合成を行う。
これらのプロンプトを用いて,テキスト・ツー・イメージとカメラ・コンディショニング・ジェネレーティブ・プレファレンスを用いて多視点シーン画像を合成し,背景3Dガウスのスプラッティング表現を再構成する。
次に、キャラクタ画像を生成し、4Dメッシュを再構成し、ガウスプリミティブを結合して文字表現を得る。
最後に、両コンポーネントはテキスト誘導セグメンテーションとコンタクトアウェア最適化によって構成される。
そして、調和とレンダリングの整合性を改善するため、グローバルなシーン改善を行う。
ステージ固有のコンポーネントを統合することで、Edit4Dはコントロール可能なカメラモーション、フレキシブルなオブジェクトレベルの編集、編集可能な4Dシーンの実用的な構築を可能にします。
プロジェクトページ: https://chanwo0kim.github.io/Edit4D/
関連論文リスト
- SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation [50.175987640001644]
テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsを紹介する。
また,プロシージャのダイナミックな3Dシーンの視覚的忠実度と身体的整合性を評価するベンチマークである4DBuildBenchも導入した。
論文 参考訳（メタデータ） (2026-07-02T06:29:18Z) - Mono4DEditor: Text-Driven 4D Scene Editing from Monocular Video via Point-Level Localization of Language-Embedded Gaussians [26.932971930852176]
フレキシブルで正確なテキスト駆動4Dシーン編集のためのフレームワークであるMono4DEditorを紹介する。
提案手法は,3次元ガウス関数を量子化したCLIP特徴量で拡張し,言語埋め込み動的表現を生成する。
Mono4DEditorは、さまざまなシーンやオブジェクトタイプにわたる高品質でテキスト駆動の編集を可能にする。
論文 参考訳（メタデータ） (2025-10-10T14:49:49Z) - 4DGS-Craft: Consistent and Interactive 4D Gaussian Splatting Editing [16.52434744545005]
4DGS-Craftは一貫性のあるインタラクティブな4DGS編集フレームワークである。
まず、4D対応のInstructPix2Pixモデルを紹介し、ビューと時間的一貫性の両立を保証する。
そして、このモデルをマルチビューグリッドモジュールで拡張し、複数ビューの入力画像を反復的に精細化することで整合性を実現する。
論文 参考訳（メタデータ） (2025-10-02T13:13:19Z) - CoCo4D: Comprehensive and Complex 4D Scene Generation [61.25279122171029]
既存の4D合成法は主に、限られた新しい視点でオブジェクトレベルの生成や動的シーン合成に重点を置いている。
テキストプロンプトから詳細な動的4Dシーンを生成するためのフレームワーク(CoCo4D)を提案する。
論文 参考訳（メタデータ） (2025-06-24T17:05:44Z) - Trans4D: Realistic Geometry-Aware Transition for Compositional Text-to-4D Synthesis [60.853577108780414]
既存の4D生成方法は、ユーザフレンドリーな条件に基づいて高品質な4Dオブジェクトやシーンを生成することができる。
現実的な複雑なシーン遷移を可能にする新しいテキストから4D合成フレームワークであるTrans4Dを提案する。
実験では、Trans4Dは、4Dシーンを正確かつ高品質な遷移で生成する既存の最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2024-10-09T17:56:03Z) - Comp4D: LLM-Guided Compositional 4D Scene Generation [65.5810466788355]
合成 4D 生成のための新しいフレームワーク Comp4D について述べる。
シーン全体の特異な4D表現を生成する従来の方法とは異なり、Comp4Dはシーン内の各4Dオブジェクトを革新的に別々に構築する。
提案手法は, 予め定義された軌道で導かれる合成スコア蒸留技術を用いている。
論文 参考訳（メタデータ） (2024-03-25T17:55:52Z) - 4DGen: Grounded 4D Content Generation with Spatial-temporal Consistency [118.15258850780417]
textbf4DGenは、4Dコンテンツ作成のための新しいフレームワークである。
我々のパイプラインは、制御可能な4D生成を容易にし、ユーザがモノクロビデオで動きを指定したり、画像から映像への世代を適用できる。
既存のビデオから4Dのベースラインと比較すると,入力信号の忠実な再構成には優れた結果が得られる。
論文 参考訳（メタデータ） (2023-12-28T18:53:39Z) - 4D-Editor: Interactive Object-level Editing in Dynamic Neural Radiance
Fields via Semantic Distillation [2.027159474140712]
動的NeRFを編集するための対話型セマンティック駆動編集フレームワークである4D-Editorを提案する。
我々は,編集後の空間的時間的一貫性を維持するために,ハイブリッドな意味的特徴蒸留を取り入れたオリジナルの動的NeRFの拡張を提案する。
さらに,編集後のシーンキャプチャによる穴を埋めるマルチビュー・リジェクション・インペインティングを開発した。
論文 参考訳（メタデータ） (2023-10-25T02:20:03Z)
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。