論文の概要: PhysInsert: Physically Plausible Object Insertion with Geometric Priors and Bidirectional Object-Scene Interactions

• arxiv url: http://arxiv.org/abs/2610.40453v1
• Date: Thu, 29 Oct 2026 17:01:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:09:39.697123
• Title: PhysInsert: Physically Plausible Object Insertion with Geometric Priors and Bidirectional Object-Scene Interactions
• Title（参考訳）: PhysInsert:幾何学的優先順位と双方向の物体・シーン相互作用を持つ物理的に可塑性な物体挿入
• Abstract要約: PhysInsertは、物理的に妥当な参照ベースのオブジェクト挿入のためのフレームワークである。 既存の方法は、しばしばマスクされた入力、生成ベースのペア、あるいは視点の変化に制限のあるペアのトレーニングに頼っている。 そこで我々はPhysInsert-Benchを紹介した。
• 参考スコア（独自算出の注目度）: 51.09722800851845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present PhysInsert, a framework for physically plausible reference-based object insertion that jointly adapts objects and their surrounding scenes. Existing methods often rely on masked inputs, generation-based pairs, or training pairs with limited viewpoint variation, leaving pose and illumination adaptation and bidirectional object-scene interactions insufficiently constrained. We construct the Insert World dataset with strictly aligned Blender-rendered counterfactual pairs and object references across viewpoints and lighting conditions. Building on these data, Geometry-Guided Adaptation couples a VGGT geometry stream with image and text streams under target-scene feature supervision to guide spatially consistent insertion. Complementary 2D Object-Scene Spatial Supervision jointly supervises object occupancy and environmental changes while grounding spatial instructions in object regions through image-text attention. We introduce PhysInsert-Bench with dedicated cross-environment and cross-view cases requiring illumination and pose adaptation beyond appearance copying. Experiments on PhysInsert-Bench and DreamBooth demonstrate improved image fidelity; a user study further shows more accurate placement and improved lighting integration, perspective, and pose plausibility.
• Abstract（参考訳）: 我々はPhysInsertについて述べる。PhysInsertは物理的に妥当な参照ベースのオブジェクト挿入のためのフレームワークで、オブジェクトとその周囲のシーンに共同で適応する。 既存の方法は、しばしばマスクされた入力、世代ベースのペア、あるいは限られた視点変化を持つトレーニングペアに頼り、ポーズと照明適応と双方向のオブジェクトとシーンの相互作用が不十分なまま残されている。 我々は,Blender-Rendered counterfactual pairs and object references across views and lighting conditionsという,厳密に整列したInsert Worldデータセットを構築した。 これらのデータに基づいてGeometry-Guided Adaptationは、空間的に一貫した挿入を導くために、画像とテキストのストリームとVGGTジオメトリストリームをターゲットシーンの特徴監督の下で結合する。 補完的な2次元オブジェクト・シーン空間スーパービジョンは、画像・テキスト・アテンションを通してオブジェクト領域内の空間的指示を接地しながら、オブジェクトの占有と環境変化を共同で監督する。 そこで我々はPhysInsert-Benchを紹介した。 PhysInsert-BenchとDreamBoothの実験では、画像の忠実度の向上が示されている。

関連論文リスト

• PhysAg3D: Bridging 3D Generative and Agentic Models for High-Fidelity and Physically-Interactive Assets [70.90729984162039]
  PhysAg3Dは3次元生成モデルとエージェント推論とツール利用を結合する。 視覚言語エージェントは、まず、画像から意味的部分、候補相互作用、および物理的先行を推測する。 3Dジェネレータは、同じ画像からテクスチャ化された全体オブジェクトメッシュを生成する。
  論文  参考訳（メタデータ） (2026-10-29T12:29:27Z)
• ScenePlacer: Reformulating Scene-Level Object Pose Estimation as Visibility Field Learning [98.27407537377773]
  ScenePlacerは、最先端のネイティブ形状生成モデルによって生成されたオブジェクトのシーンレベルのポーズ推定のためのフレームワークである。 生成した3Dオブジェクトを、下層の生成パイプラインを変更することなく、部分的な幾何学的な観察を行うシーンに配置する。 ScenePlacerは、既存の配置やポーズ・リファインメントのベースラインを、地平線と単眼深度の両方で一貫して上回っている。
  論文  参考訳（メタデータ） (2026-10-11T16:13:24Z)
• 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)
• RoPEMover: Depth-Aware Object Relocation via Positional Embeddings [25.069960502722296]
  拡散変圧器の位置表現を直接操作する幾何学的物体運動法を提案する。 2D RoPEを3次元空間構造を符号化する深度認識型定式化に拡張する。 本モデルは,パラメータ効率のよい微調整により,合成データと実画像の小さなセットを組み合わせて訓練する。
  論文  参考訳（メタデータ） (2026-06-25T17:45:20Z)
• Direct 3D-Aware Object Insertion via Decomposed Visual Proxies [101.76006356727015]
  DIRECT(Decomposed Injection for Reference Composition and Target-integration)は、対話型ポーズ操作と高忠実度2D画像合成を統合する新しいフレームワークである。 提案手法は挿入条件を,参照オブジェクトから視覚的詳細をキャプチャする外観ガイダンス,ユーザ調整3Dプロキシから派生した幾何学的ガイダンス,ターゲット背景からのコンテキストガイダンスの3つの補完成分に分解する。 実験により、DIRECTは幾何学的制御性と視覚的品質の両方において従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-06-04T18:00:34Z)
• PICS: Pairwise Image Compositing with Spatial Interactions [20.306534705755613]
  PICSは、オブジェクトを並列に構成する自己教師型合成分解パラダイムである。 インタラクショントランスフォーマーは、バックグラウンド、排他的、重複する領域をルーティングするために、マスク誘導ミキサーを使用する。 幾何学的変動に対するロバスト性をさらに高めるため、平面外と平面内の両方のポーズ変化をカバーする幾何学的付加を取り入れた。
  論文  参考訳（メタデータ） (2026-03-06T20:48:21Z)
• 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)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)

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。