Fugu-MT 論文翻訳(概要): Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction

論文の概要: Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction

arxiv url: http://arxiv.org/abs/2610.37046v1
Date: Tue, 27 Oct 2026 11:15:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-29 04:15:49.263357
Title: Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction
Title（参考訳）: 世界のコーディングを学ぶ: 構成的3D再構成のためのハーネス進化
Abstract要約: SceneEvolveは3Dシーンを実行可能なコードとして表現するフレームワークである。小さなオープンソースエージェントを中心にハーネスを進化させることで、再構築を改善する。 SceneEvolveは、大規模なプロプライエタリなGPT-5.6-Solモデルよりも32.3%高いリコンストラクション品質を実現している。
参考スコア（独自算出の注目度）: 41.81356795778732
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reconstructing editable and compositional 3D scenes from a real image requires jointly reasoning about geometry, object structure, and spatial relationships. We introduce SceneEvolve, a framework that represents 3D scenes as executable code and improves reconstruction by evolving the harness around a small open-source agent. SceneEvolve combines SceneAct, a compositional semantic action interface built on parameterized primitives, hierarchical composition, and semantic spatial relations, with SceneHarness-RSI, which leverages a stronger teacher agent to iteratively evolve the harness using feedback from development-set reconstructions. Throughout harness evolution, the model parameters, action semantics, and execution backend remain fixed. The resulting harness provides a reusable reconstruction procedure that enables the small open-source model to reconstruct unseen scenes without parameter updates or teacher assistance. Across two in-domain datasets and one out-of-domain dataset, SceneEvolve with the comparatively compact Qwen3.8-27B model improves all four evaluated reconstruction metrics while reducing mean inference time by 47.0% relative to the base model. More notably, despite relying on a substantially smaller model, SceneEvolve achieves 32.3% higher reconstruction quality than the large proprietary GPT-5.6-Sol model, while reducing mean equivalent deployment cost by 59.8%. Furthermore, the harness evolved using Qwen3.8-27B also generalizes to Kimi-K3, achieving comparable reconstruction performance to GPT-6-Astra. The project page is https://haoyu-agent.github.io/SceneEvolve.
Abstract（参考訳）: 実際の画像から編集可能で合成可能な3Dシーンを再構成するには、幾何学、オブジェクト構造、空間的関係について共同で推論する必要がある。 SceneEvolveは3Dシーンを実行可能なコードとして表現し、小さなオープンソースエージェントを中心にハーネスを進化させることで再構築を改善するフレームワークである。 SceneEvolveは、パラメータ化されたプリミティブ、階層的なコンポジション、セマンティック空間関係の上に構築されたセマンティックなセマンティックアクションインターフェースであるSceneActと、SceneHarness-RSIを組み合わせる。ハーネスの進化を通じて、モデルパラメータ、アクションセマンティクス、実行バックエンドは依然として固定されている。結果として得られたハーネスは、小さなオープンソースモデルでパラメータ更新や教師の助けなしに、見えないシーンを再構築する再利用可能な再構築手順を提供する。 2つのドメイン内データセットと1つのドメイン外データセットにまたがって、比較的コンパクトなQwen3.8-27Bモデルを持つSceneEvolveは、ベースモデルに対する平均推論時間を47.0%削減しながら、4つの評価された再構築メトリクスをすべて改善する。より特筆すべきは、SceneEvolveは、かなり小さなモデルに依存しながらも、大規模なプロプライエタリなGPT-5.6-Solモデルよりも32.3%高い再現品質を実現し、平均的な同等の配備コストを59.8%削減したことである。さらに、Qwen3.8-27Bを使用して進化したハーネスもKim-K3に一般化され、GPT-6-Astraに匹敵する再現性能を達成した。プロジェクトページはhttps://haoyu-agent.github.io/SceneEvolve.com。

関連論文リスト

Reconstructing the Dynamic World: A Representation-Centric View of 4D Scene Reconstruction [149.43330608888922]
4Dシーンの再構成は、視覚的観察から動的環境の進化的形状、外観、動きを復元することを目的としている。ニューラルレイディアンス・フィールド(NeRF)と3Dガウス・スプレイティング(3DGS)の最近の進歩は、動的シーンの表現と再構成に様々なアプローチを導入している。本稿では,4次元シーンの再構築,シーン表現,時間的モデリング戦略,再構築パイプライン,最適化目標に関する既存手法の整理について述べる。
論文参考訳（メタデータ） (2026-09-30T15:29:43Z)
Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
論文参考訳（メタデータ） (2026-06-12T09:43:13Z)
Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations [98.66466590444553]
コスト制約のない多視点幾何アノテーションを使わずにFFRMをスクラッチからトレーニングするための弱教師付きパラダイムであるReliev3Rを提案する。 Reliev3Rのコアでは、多視点幾何整合性の監視を容易にするために、曖昧さを意識した相対深度損失と三角法に基づく再射損失を設計する。
論文参考訳（メタデータ） (2026-04-01T06:46:54Z)
KaoLRM: Repurposing Pre-trained Large Reconstruction Models for Parametric 3D Face Reconstruction [51.67605823241639]
KaoLRMは、一視点画像からパラメトリックな3次元顔再構成を行うために、Large Restruction Model (LRM)の学習前を再度ターゲットする。制御されたベンチマークと内部ベンチマークの両方の実験により、KaoLRMはより優れた再構成精度とクロスビュー整合性を実現することが示された。
論文参考訳（メタデータ） (2026-01-19T05:36:59Z)
AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance [36.125573065910594]
アクティブな3D再構成により、エージェントは視点を自律的に選択し、正確で完全なシーン形状を得ることができる。本研究では,フィードフォワード3次元再構成モデルと視覚言語指導を利用したアクティブリコンストラクションエージェントAREA3Dを提案する。本フレームワークは、フィードフォワード再構成器からビュー不確実性モデリングを分離し、高価なオンライン最適化を伴わずに正確な不確実性推定を可能にする。
論文参考訳（メタデータ） (2025-11-28T06:17:02Z)
LARM: A Large Articulated-Object Reconstruction Model [29.66486888001511]
LARMは、スパースビュー画像から3Dの明瞭なオブジェクトを再構成する統合フィードフォワードフレームワークである。 LARMは、ディープマップやパートマスクなどの補助出力を生成し、明示的な3Dメッシュ抽出と関節推定を容易にする。我々のパイプラインは、密集した監視の必要性を排除し、多様な対象カテゴリにわたる高忠実度再構築をサポートする。
論文参考訳（メタデータ） (2025-11-14T18:55:27Z)
3D Reconstruction via Incremental Structure From Motion [1.4999444543328293]
本稿では,幾何推定の整合性およびバンドル調整による反復的改善の効果に着目し,逐次SfMパイプラインの詳細な実装について述べる。その結果、視覚的に構造化された環境下でのスパース3次元再構成のための信頼性の高い方法として、インクリメンタルSfMの実用性をサポートした。
論文参考訳（メタデータ） (2025-08-01T18:45:05Z)
LIRM: Large Inverse Rendering Model for Progressive Reconstruction of Shape, Materials and View-dependent Radiance Fields [23.174562444342286]
本稿では,高品質な形状,材料,放射界を共同で再構成するトランスフォーマーアーキテクチャであるLarge Inverse Rendering Model(LIRM)を提案する。我々のモデルは、現在最先端のスパース・ビュー・リコンストラクション品質を実現する、最近の大規模リコンストラクション・モデル(LRM)に基づいて構築されている。
論文参考訳（メタデータ） (2025-04-28T17:48:58Z)
Category-Level 6D Object Pose Estimation via Cascaded Relation and Recurrent Reconstruction Networks [22.627704070200863]
カテゴリーレベルの6Dポーズ推定は、ロボット操作や拡張現実といった多くのシナリオに不可欠である。カテゴリレベルの6次元ポーズ推定をカスケード関係と再帰的再構成ネットワークを用いて高精度に行う。我々の手法は最新の最先端のSPDを4.9%、CAMERA25データセットで17.7%で上回る。
論文参考訳（メタデータ） (2021-08-19T15:46:52Z)

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。