論文の概要: ESC: Escaping 2D Diffusion Ambiguity with Geometric Constraints for Consistent Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2610.23732v1
• Date: Wed, 14 Oct 2026 21:40:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.026363
• Title: ESC: Escaping 2D Diffusion Ambiguity with Geometric Constraints for Consistent Novel View Synthesis
• Title（参考訳）: ESC:一貫した新しい視点合成のための幾何学的制約付き2次元拡散曖昧さの回避
• Abstract要約: 劇的なカメラ変化下での単眼視合成のための幾何学的アライメントを強化するフレームワークを提案する。 拡散パイプラインを1つのソース画像、ソース深さ、ターゲットカメラ線に条件付けすることで、我々のアプローチはモデルに本質的に3次元空間で理性を持たせるように強制する。 空間的忠実性を保証するため,画素ごとの奥行きの整合性制約を提案する。
• 参考スコア（独自算出の注目度）: 25.891305325357475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating 3D-consistent novel views from 2D diffusion models remains a fundamental challenge in computer vision. In this work, we introduce a framework that enhances geometric alignment for monocular view synthesis under drastic camera changes by jointly generating a target view and its corresponding depth map. By conditioning the diffusion pipeline on the single source image, source depth, and target camera rays, our approach forces the model to inherently reason in 3D space even under extreme viewpoint shifts. To guarantee spatial fidelity, we propose a novel per-pixel depth consistency constraint, which verifies and enforces 3D consistency across generated views. Our framework establishes a robust pipeline for geometrically consistent view synthesis, yielding superior visual accuracy and spatial alignment compared to current state-of-the-art methods. With this work, we pave the road towards robust 3D world models capable of understanding complex environments from a single view image.
• Abstract（参考訳）: 2次元拡散モデルから3次元一貫性のある新しいビューを生成することは、コンピュータビジョンの根本的な課題である。 本研究では,対象視と対応する深度マップを共同生成することにより,劇的なカメラ変化下での単眼視合成のための幾何学的アライメントを強化するフレームワークを提案する。 単一ソース画像、ソース深度、ターゲットカメラ線に拡散パイプラインを条件付けすることにより、極端視点シフト下においても3次元空間において本質的な推論を迫られる。 空間的忠実性を保証するために,生成したビュー間での3次元の一貫性を検証・強制する,画素ごとの深度一貫性制約を提案する。 我々のフレームワークは、幾何学的に一貫したビュー合成のための堅牢なパイプラインを構築し、現在の最先端手法と比較して、視覚的精度と空間的アライメントが優れている。 この研究により、単一のビューイメージから複雑な環境を理解することのできる堅牢な3Dワールドモデルへの道を開いた。

関連論文リスト

• Pose-Aware Diffusion for 3D Generation [27.05951575490971]
  Pose-Aware Diffusion (PAD)は、観測空間内で直接3次元幾何学を合成する新しいエンドツーエンド拡散フレームワークである。 PADは最先端の手法よりも優れた幾何学的アライメントと画像から3D対応を実現している。
  論文  参考訳（メタデータ） (2026-05-01T02:05:28Z)
• Towards Realistic and Consistent Orbital Video Generation via 3D Foundation Priors [61.34273238077091]
  本稿では,物体の単一画像からオービタルビデオを生成する新しい手法を提案する。 本手法は,最先端の手法と比較して,視覚的品質,形状リアリズム,多視点整合性を実現している。
  論文  参考訳（メタデータ） (2026-04-14T05:35:46Z)
• OneWorld: Taming Scene Generation with 3D Unified Representation Autoencoder [90.8453349494245]
  本研究では,コヒーレントな3次元表現空間内で直接拡散を行うOneWorldを提案する。 OneWorldは、最先端の2Dベースの方法と比較して、クロスビューの一貫性に優れた高品質な3Dシーンを生成する。
  論文  参考訳（メタデータ） (2026-03-17T03:43:37Z)
• Blur2Sharp: Human Novel Pose and View Synthesis with Generative Prior Refinement [6.91111219679588]
  Blur2Sharpは、3D対応ニューラルレンダリングと拡散モデルを統合して、シャープで幾何学的に一貫した新しいビュー画像を生成する新しいフレームワークである。 まず、人間のNeRFモデルを用いて、ターゲットポーズのための幾何学的コヒーレントなマルチビューレンダリングを生成し、3次元構造ガイダンスを明示的に符号化する。 我々はさらに、階層的特徴融合により視覚的品質を向上し、パラメトリックSMPLモデルから抽出したテクスチャ、正常、セマンティック先行を取り入れ、グローバルコヒーレンスと局所的詳細精度を同時に改善する。
  論文  参考訳（メタデータ） (2025-12-09T03:49:12Z)
• A Controllable 3D Deepfake Generation Framework with Gaussian Splatting [6.969908558294805]
  本稿では,3次元ガウススプラッティングに基づく新しい3次元ディープフェイク生成フレームワークを提案する。 完全に制御可能な3D空間において、現実的でアイデンティティを保った顔スワッピングと再現を可能にする。 提案手法は3次元モデリングとディープフェイク合成のギャップを埋め、シーン認識、制御可能、没入型視覚的偽造の新しい方向を可能にする。
  論文  参考訳（メタデータ） (2025-09-15T06:34:17Z)
• CDI3D: Cross-guided Dense-view Interpolation for 3D Reconstruction [25.468907201804093]
  大規模再構成モデル (LRM) は, 2次元拡散モデルにより生成された多視点画像を利用して3次元コンテンツを抽出する際の大きな可能性を示している。 しかし、2次元拡散モデルはしばしば、強い多視点一貫性を持つ高密度画像を生成するのに苦労する。 CDI3Dは,高画質で高画質な3D画像生成を実現するための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） (2025-03-11T03:08:43Z)
• 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)
• Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
  本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。 VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
  論文  参考訳（メタデータ） (2020-07-14T14:45:00Z)

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。