論文の概要: Easy-3Dfy: Object-Level Geometric Composition for Single-Image 3D Scene Construction

• arxiv url: http://arxiv.org/abs/2610.32250v1
• Date: Fri, 23 Oct 2026 07:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.415114
• Title: Easy-3Dfy: Object-Level Geometric Composition for Single-Image 3D Scene Construction
• Title（参考訳）: Easy-3Dfy:シングルイメージ3Dシーン構築のためのオブジェクトレベル幾何学的構成
• Abstract要約: シングルイメージの3Dシーン構築は、3Dビジョンの基本的な問題である。 シーンレイアウト推定からオブジェクト生成を分離する構成ワークフローであるEasy-3Dfyを提案する。 以上の結果から,空間的理解の強い高品質なオブジェクト生成を効果的に組み合わせることが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 44.10669784667322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-image 3D scene construction is a fundamental problem in 3D vision. Recent methods such as SAM-3Dfy enable end-to-end reconstruction of 3D assets and their scene layouts, but still struggle with fine-grained scene geometry and asset quality. Meanwhile, specialized 3D object generators provide detailed object geometry, while 3D foundation models offer strong and generalizable spatial understanding. We propose Easy-3Dfy, a compositional workflow that decouples object generation from scene layout estimation, allowing specialized models to fully exploit their respective strengths. An RPF-based aligner then bridges these capabilities by establishing geometric correspondence between object-local meshes and partial scene pointmaps, recovering object layout for scene composition. Without requiring complete scene-level supervision, the proposed workflow consistently outperforms SAM-3Dfy across multiple geometric metrics on Scene-Maker and 3D-FUTURE200. Our results demonstrate that explicit geometric composition can effectively combine high-quality object generation with strong spatial understanding, while enabling the workflow to benefit independently from advances in both 3D object generation and foundation models.
• Abstract（参考訳）: シングルイメージの3Dシーン構築は、3Dビジョンの基本的な問題である。 SAM-3Dfyのような最近の手法は、3Dアセットとそのシーンレイアウトをエンド・ツー・エンドに再構築することを可能にするが、それでも微粒なシーン形状とアセット品質に苦慮している。 一方、特殊な3Dオブジェクトジェネレータは詳細なオブジェクト形状を提供し、一方で3D基礎モデルは強力で一般化可能な空間的理解を提供する。 本研究では,シーンレイアウト推定からオブジェクト生成を分離する構成ワークフローであるEasy-3Dfyを提案する。 RPFベースの整合器は、オブジェクトローカルメッシュと部分的なシーンポイントマップとの幾何学的対応を確立し、シーン構成のためのオブジェクトレイアウトを復元することで、これらの機能を橋渡しする。 シーンレベルの完全な監視を必要とせずに、提案されたワークフローは、Scene-Makerと3D-FUTURE200上の複数の幾何学的メトリクスでSAM-3Dfyを一貫して上回る。 以上の結果から,高次空間理解と高次空間理解を効果的に組み合わせつつ,3次元オブジェクト生成モデルと基礎モデルの両方の進歩から独立してワークフローを活用できることが示唆された。

関連論文リスト

• Fysiverse-3D-Vision Technical Report: Generating Executable 3D Worlds from Images through Unified Spatial Reasoning [62.09790533047924]
  生成モデルは、高度な画像条件付き3Dコンテンツ生成が可能だが、単一の画像から制御可能で実行可能な3Dシーンを生成することは、依然として困難である。 本研究では,Fysiverse-3D-Visionを提案する。Fysiverse-3D-Visionは1つの画像から生成した3次元シーンの再構成と実行可能アセット構築のための統合視覚言語-幾何学フレームワークである。 本フレームワークは,既存の手法と比較して,幾何学的整合性,レイアウト推定,レンダリング品質,物理的特性の理解に優れる。
  論文  参考訳（メタデータ） (2026-09-22T06:22:31Z)
• Interact3D: Compositional 3D Generation of Interactive Objects [31.12099147294145]
  本稿では,3次元合成オブジェクト間の相互作用を物理的に妥当に生成する新しいフレームワークを提案する。 当社のアプローチは、まず先進的な先進的な先進的手法を活用して、高品質な個人資産をキュレートする。 これらの資産を物理的に構成するために、ロバストな2段階合成パイプラインを導入する。
  論文  参考訳（メタデータ） (2026-03-17T03:21:06Z)
• Object-X: Learning to Reconstruct Multi-Modal 3D Object Representations [114.57192386025373]
  Object-Xは多目的なマルチモーダル3D表現フレームワークである。 リッチなオブジェクトの埋め込みをエンコードして、幾何学的および視覚的再構成に復号することができる。 シーンアライメント、シングルイメージの3Dオブジェクト再構成、ローカライゼーションなど、さまざまなダウンストリームタスクをサポートする。
  論文  参考訳（メタデータ） (2025-06-05T09:14:42Z)
• 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)
• 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)

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。