論文の概要: GALA: Geometry-Aware Language Model for Controllable Object Arrangement

• arxiv url: http://arxiv.org/abs/2610.28280v1
• Date: Tue, 20 Oct 2026 14:32:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.854795
• Title: GALA: Geometry-Aware Language Model for Controllable Object Arrangement
• Title（参考訳）: GALA:制御可能なオブジェクトアレンジメントのための幾何学的言語モデル
• Abstract要約: 現実的な3Dシーン作成には,支援や封じ込めなどのきめ細かい配置制約に関する推論が不可欠である。 GALAは、制御可能なオブジェクト配置のための明示的な点雲認識を備えた幾何学的認識言語モデルである。 本モデルでは,シーンコンテキストと配置指示に基づいて1つの対象物の6次元ポーズを予測し,自己回帰的に実行する。
• 参考スコア（独自算出の注目度）: 20.957310493126865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reasoning about fine-grained placement constraints, such as support and containment, is essential for realistic 3D scene creation. It remains a significant challenge for existing methods that rely on simplified object representations like oriented bounding box (OBB), which are blind to the detailed geometry. To address this limitation, we introduce GALA, a geometry-aware language model with explicit point cloud perception for controllable object placement. Our model performs autoregressively by predicting the 6D pose of one target object at a time conditioned on the scene context and placement instruction. We utilize a two-stage training strategy: the first stage aligns geometric and textual modalities through pretraining tasks, and the second stage fine-tunes the model for placement. To facilitate this task, we also curate a multi-source scene dataset covering diverse room types and fine-grained furniture arrangements, which will be open-sourced for community benefit. Experiments on our benchmark show our model significantly outperforms baselines without explicit geometric reasoning. We further develop a multi-stage plan-place-verify agent pipeline that uses the model for text-driven scene generation. Project Page: https://xccelephant.github.io/paper/gala/
• Abstract（参考訳）: 現実的な3Dシーン作成には,支援や封じ込めなどのきめ細かい配置制約に関する推論が不可欠である。 オブジェクト指向境界ボックス(OBB)のような単純化されたオブジェクト表現に依存している既存のメソッドにとって、これは依然として重要な課題である。 この制限に対処するために、制御可能なオブジェクト配置のための明示的な点雲認識を備えた幾何認識言語モデルであるGALAを導入する。 本モデルでは,シーンコンテキストと配置指示に基づいて,対象対象物の6次元ポーズを予測し,自己回帰的に実行する。 我々は,2段階のトレーニング戦略を利用する。第1段階は,事前学習タスクを通じて幾何学的およびテキスト的モダリティを整列し,第2段階は配置モデルの微調整を行う。 この作業を容易にするために,多様な部屋の種類やきめ細かな家具配置を網羅したマルチソースシーンデータセットも作成し,コミュニティの利益のためにオープンソース化する。 ベンチマーク実験により, 明らかな幾何学的推論を伴わずに, ベースラインを著しく上回る結果が得られた。 さらに,テキスト駆動シーン生成のためのモデルを用いたマルチステージプランプレース検証エージェントパイプラインを開発した。 Project Page: https://xccelephant.github.io/paper/gala/

関連論文リスト

• Compact Object-Level Representations with Open-Vocabulary Understanding for Indoor Visual Relocalization [93.79141221821858]
  OpenReLocは、シーン理解と正確なポーズ推定機能を提供するために設計されたカメラ再ローカライズシステムである。 2D-3Dオブジェクトマッチングのためのオープン語彙意味知識を統合するためのマルチモーダル機構を提案する。 実験により、OpenReLocは、様々なデータセット間で、より優れた再ローカライズリコールと精度を実現することが示された。
  論文  参考訳（メタデータ） (2026-06-23T16:27:04Z)
• STABLE: Simulation-Ready Tabletop Layout Generation via a Semantics-Physics Dual System [76.3920413336862]
  シミュレーション可能なテーブルトップシーン生成に適したセマンティックスと物理の二重システムであるSTABLEを提案する。 STABLEはセマンティック共振器と物理共振器の2つの相補的なモジュールで構成されている。 実験により、STABLEはタスク命令に厳密に準拠するシミュレーション可能なテーブルトップシーンを生成することができた。
  論文  参考訳（メタデータ） (2026-05-15T16:18:42Z)
• HERMES++: Toward a Unified Driving World Model for 3D Scene Understanding and Generation [83.31948299340782]
  HERMES++は、単一のフレームワーク内で3Dシーン理解と将来の幾何学的予測を統合する統合駆動世界モデルである。 Hermes++は、将来のクラウド予測と3Dシーン理解タスクの両方において、優れたパフォーマンスと優れたスペシャリストのアプローチを実現している。
  論文  参考訳（メタデータ） (2026-04-30T17:59:58Z)
• Copy-Trasform-Paste: Zero-Shot Object-Object Alignment Guided by Vision-Language and Geometric Constraints [12.704390013489054]
  2つのメッシュのゼロショット3Dアライメントについて,その関係を記述したテキストプロンプトを用いて検討した。 テスト時の相対的なポーズの最適化,翻訳,回転,等方的スケールの更新,CLIP駆動の勾配による検討を行った。 我々の手法は、意味論的に忠実で物理的に妥当なアライメントをもたらす全ての代替手段より優れています。
  論文  参考訳（メタデータ） (2026-01-20T18:12:55Z)
• Evo-0: Vision-Language-Action Model with Implicit Spatial Understanding [11.222744122842023]
  本稿では、3次元幾何学的特徴を暗黙的にVision-Language-Action(VLA)モデルに組み込むプラグイン・アンド・プレイ・モジュールを提案する。 提案手法は,様々なシナリオにおける最先端VLAモデルの性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-07-01T04:05:47Z)
• SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning [46.441761732998536]
  プロキシジェネレーションとチューニング(SCORP)によるシーン一貫性オブジェクトリファインメント(Scene-Consistent Object Refinement)について紹介する。 SCORP は、3D 生成に先立って細粒度なオブジェクトの形状と外観を復元する新しい3D拡張フレームワークである。 これは、新しいビュー合成と幾何完成タスクの両方において、最近の最先端のベースラインに対して一貫した利得を達成する。
  論文  参考訳（メタデータ） (2025-06-30T13:26:21Z)
• FLARE: Feed-forward Geometry, Appearance and Camera Estimation from Uncalibrated Sparse Views [100.45129752375658]
  FLAREは、高品質カメラのポーズと3次元幾何を、補正されていないスパースビュー画像から推定するために設計されたフィードフォワードモデルである。 本ソリューションでは,3次元構造を2次元画像平面にマッピングする上で,カメラポーズが重要なブリッジとして機能するケースケード学習パラダイムを特徴とする。
  論文  参考訳（メタデータ） (2025-02-17T18:54:05Z)
• Context-Aware Indoor Point Cloud Object Generation through User Instructions [6.398660996031915]
  本稿では,その周辺環境とシームレスに統合された点雲オブジェクトを生成することができる,新しいエンドツーエンドのマルチモーダルディープニューラルネットワークを提案する。 我々のモデルは、これまで見えなかったオブジェクトレイアウトで新しい環境を作成できるようにすることで、シーン修正に革命をもたらす。
  論文  参考訳（メタデータ） (2023-11-26T06:40:16Z)

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。