論文の概要: Coarse3D: Controllable and Faithful Sparse Structure Generation for Image-to-3D

• arxiv url: http://arxiv.org/abs/2610.41231v1
• Date: Fri, 30 Oct 2026 04:09:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.612357
• Title: Coarse3D: Controllable and Faithful Sparse Structure Generation for Image-to-3D
• Title（参考訳）: Coarse3D: Image-to-3Dのための制御可能かつ忠実なスパース構造生成
• Abstract要約: Coarse3Dは、任意のアンポーズ画像から向き制御可能で構造的に忠実なボクセル形状を生成するスパース構造生成モデルである。 実験により, スパース構造の品質を著しく向上し, 最終3次元生成を継続的に向上し, 最先端性能を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 12.066973381217606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coarse-to-fine 3D-native generation relies heavily on the first-stage sparse structure, which determines the global orientation and overall geometry for subsequent refinement. However, existing coarse generators suffer from two key limitations: their orientation is difficult to control due to ambiguous semantic canonicalization, and their structures are often inconsistent with input images due to weak 2D-3D grounding. We propose Coarse3D, a sparse-structure generation model that produces orientation-controllable and structurally faithful voxel geometry from arbitrary unposed images. Coarse3D introduces three designs: a first-frame anchored canonical space that aligns generation with the first input view while preserving object-centric normalization; a dual-tower DiT that couples generation with auxiliary feed-forward reconstruction to learn spatially grounded features; and spatial-prior guided attention that regularizes cross-attention with pixel-to-voxel correspondence. Coarse3D can directly replace the coarse stage of existing pipelines. Experiments show that it substantially improves sparse structure quality and consistently enhances final 3D generation, achieving state-of-the-art performance.
• Abstract（参考訳）: 粗大な3Dネイティブ生成は第1段階のスパース構造に大きく依存している。 しかし、既存の粗いジェネレータは、曖昧な意味的正準化による制御が困難であり、その構造は弱い2D-3D接地による入力画像と矛盾することが多い。 本稿では,任意の未提案画像から向き制御可能で構造に忠実なボクセル幾何を生成するスパース構造生成モデルであるCoarse3Dを提案する。 Coarse3Dは、オブジェクト中心の正規化を保ちながら生成を第1の入力ビューに整列する第1フレームアンカー付き標準空間、空間的に接地された特徴を学習するために補助フィードフォワード再構成と世代を結合するデュアルトワーDiT、ピクセル-ボクセル対応と交差アテンションを規則化する空間優先の注意、の3つの設計を導入している。 粗い3Dは、既存のパイプラインの粗いステージを直接置き換えることができる。 実験により, スパース構造の品質を著しく向上し, 最終3次元生成を継続的に向上し, 最先端性能を実現していることがわかった。

関連論文リスト

• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• FLUX3D: High-Fidelity 3D Gaussian Generation with Diffusion-Aligned Sparse Representation [48.928051741750124]
  本稿では,画像から3DGSまでのスケーラブルなフレームワークを提案し,生成時の表現学習と相互モーダルアライメントを向上する。 FLUX3Dは外観の忠実さを大幅に改善し、高品質な3DGSの資産を生み出すのに最先端(SOTA)の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-23T17:52:21Z)
• Pose-Aware Diffusion for 3D Generation [27.05951575490971]
  Pose-Aware Diffusion (PAD)は、観測空間内で直接3次元幾何学を合成する新しいエンドツーエンド拡散フレームワークである。 PADは最先端の手法よりも優れた幾何学的アライメントと画像から3D対応を実現している。
  論文  参考訳（メタデータ） (2026-05-01T02:05:28Z)
• GeoDiff3D: Self-Supervised 3D Scene Generation with Geometry-Constrained 2D Diffusion Guidance [8.625308061265754]
  3Dシーン生成は、ゲーム、フィルム/VFX、VR/ARのコア技術である。 既存の手法は、間接的な2D-to-3D再構成と直接的な3D生成という2つのパラダイムに大きく従っている。 構造的アンカーとして粗い幾何学と幾何学制約付き2次元拡散モデルを用いてテクスチャリッチな参照画像を提供する,効率的な自己教師型フレームワークGeoDiff3Dを提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:47:35Z)
• Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing [63.141976759536625]
  テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。 生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。 包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
  論文  参考訳（メタデータ） (2026-01-20T16:03:22Z)
• LATTICE: Democratize High-Fidelity 3D Generation at Scale [27.310104395842075]
  LATTICEは高忠実度3Dアセット生成のための新しいフレームワークである。 VoxSetは、3Dの資産を粗いボクセル格子に固定された潜在ベクトルのコンパクトな集合に圧縮する半構造化表現である。 提案手法のコアは単純だが,任意の解像度復号化,低コストトレーニング,フレキシブル推論スキームをサポートする。
  論文  参考訳（メタデータ） (2025-11-24T03:22:19Z)
• 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)
• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)

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。