論文の概要: CityPaint: A Free Lunch from 2D Diffusion for City-Scale 3D Texturing

• arxiv url: http://arxiv.org/abs/2610.27564v1
• Date: Tue, 20 Oct 2026 03:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.602148
• Title: CityPaint: A Free Lunch from 2D Diffusion for City-Scale 3D Texturing
• Title（参考訳）: CityPaint: 都市規模の3Dテクスチャのための2D拡散の無料ランチ
• Abstract要約: CityPaintは、都市規模の3Dトレーニングデータに頼ることなく、高忠実な都市規模の3Dテクスチャを生成する新しいフレームワークである。 そこで,CityPaintは局所的な細部を細部まで表現し,視覚的品質と相互視の整合性の両方において,強いベースラインに対して良好な結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 6.779206348988763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating high-fidelity, city-scale 3D environments plays a crucial role in applications such as virtual reality, gaming, and urban digital twins. However, the scarcity of real-world city-scale 3D training data forces existing methods to either stitch independently generated assets or learn from synthetic urban corpora, often sacrificing realism and global consistency. In contrast, 2D image data and their corresponding generative models are abundant and encode rich visual priors. To bridge this gap, we propose CityPaint, a novel framework that leverages 2D diffusion models to generate globally consistent city-scale 3D textures without relying on city-scale 3D training data. Specifically, CityPaint integrates geometric priors with the generative power of 2D diffusion models, introducing a robust top-$K$ camera baking strategy for iterative texture projection. To address the artifacts of 2D-to-3D projection, we further propose a decoupled refinement mechanism that separately optimizes terrain and building textures. Extensive experiments show that CityPaint produces globally coherent textures with fine local details and achieves favorable results against strong baselines in both visual quality and cross-view consistency.
• Abstract（参考訳）: 高忠実で都市規模の3D環境の生成は、仮想現実、ゲーム、都市デジタルツインといった応用において重要な役割を担っている。 しかし、現実の都市規模の3Dトレーニングデータの不足は、既存の方法で独立して生成された資産を縫い合わせるか、合成都市コーパスから学ぶことを強制し、現実主義とグローバルな一貫性を犠牲にすることが多い。 対照的に、2次元画像データとその対応する生成モデルは豊富であり、リッチな視覚的先行情報をエンコードする。 このギャップを埋めるために,都市規模の3Dトレーニングデータに頼ることなく,一貫した都市規模の3Dテクスチャを生成するために2次元拡散モデルを活用する新しいフレームワークであるCityPaintを提案する。 具体的には、CityPaintは幾何学的先行情報を2次元拡散モデルの生成力と統合し、反復的テクスチャ投影のための高額カメラベーキング戦略を導入している。 2D-to-3Dプロジェクションのアーチファクトに対処するために,地形と建築テクスチャを別々に最適化する分離改良機構を提案する。 広範にわたる実験により,CityPaintは局所的な細部を細部まで表現し,視覚的品質と横断的な一貫性の両面での強いベースラインに対して良好な結果を得ることができた。

関連論文リスト

• 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)
• Constructing a 3D Scene from a Single Image [31.11317559252235]
  SceneFuse-3Dは、単一のトップダウンビューからコヒーレントな3Dシーンを合成するために設計されたトレーニング不要のフレームワークである。 入力画像を重なり合う領域に分解し、事前訓練された3Dオブジェクトジェネレータを用いてそれぞれを生成する。 このモジュラー設計により、3次元の監督や微調整を必要とせず、解像度のボトルネックを克服し、空間構造を維持できる。
  論文  参考訳（メタデータ） (2025-05-21T17:10:47Z)
• SynCity: Training-Free Generation of 3D Worlds [107.69875149880679]
  テキスト記述から3次元世界を生成するためのトレーニング不要かつ最適化不要なアプローチであるSynCityを提案する。 3Dと2Dのジェネレータが組み合わさって、拡大するシーンを生成する方法を示す。
  論文  参考訳（メタデータ） (2025-03-20T17:59:40Z)
• InsTex: Indoor Scenes Stylized Texture Synthesis [81.12010726769768]
  拡張現実(ARVR)アプリケーションでは、高品質なテクスチャが3Dシーンに不可欠である。 現在の手法は、長い処理時間と視覚的アーティファクトに悩まされている。 3Dシーンのための高品質なテクスチャを生成するために設計された2段階アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-01-22T08:37:59Z)
• CityDreamer: Compositional Generative Model of Unbounded 3D Cities [44.203932215464214]
  CityDreamerは、非有界な3D都市向けに特別に設計された合成モデルである。 我々は、鳥の視線シーン表現を採用し、インスタンス指向と物指向のニューラルフィールドの両方にボリュームレンダリングを採用する。 CityDreamerは、現実的な3D都市を生成するだけでなく、生成された都市内の局所的な編集でも、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-09-01T17:57:02Z)
• ARTIC3D: Learning Robust Articulated 3D Shapes from Noisy Web Image Collections [71.46546520120162]
  単眼画像から動物体のような3D関節形状を推定することは、本質的に困難である。 本稿では,スパース画像コレクションから各物体の形状を再構築する自己教師型フレームワークARTIC3Dを提案する。 我々は、剛性部分変換の下で、描画された形状とテクスチャを微調整することで、現実的なアニメーションを作成する。
  論文  参考訳（メタデータ） (2023-06-07T17:47:50Z)
• GET3D: A Generative Model of High Quality 3D Textured Shapes Learned from Images [72.15855070133425]
  本稿では,複雑なトポロジ,リッチな幾何学的ディテール,高忠実度テクスチャを備えたExplicit Textured 3Dメッシュを直接生成する生成モデルであるGET3Dを紹介する。 GET3Dは、車、椅子、動物、バイク、人間キャラクターから建物まで、高品質な3Dテクスチャメッシュを生成することができる。
  論文  参考訳（メタデータ） (2022-09-22T17:16:19Z)

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。