論文の概要: VoxLution: Evolving Voxels for High-Fidelity 3D Scene Generation

• arxiv url: http://arxiv.org/abs/2610.41501v1
• Date: Fri, 30 Oct 2026 09:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.675375
• Title: VoxLution: Evolving Voxels for High-Fidelity 3D Scene Generation
• Title（参考訳）: VoxLution:高忠実な3Dシーン生成のためのVoxelの進化
• Abstract要約: 高解像度の屋内シーン生成は、仮想現実、空間コンピューティング、ロボットシミュレーションなどの没入型アプリケーションに不可欠である。 VoxLutionは,高忠実度屋内シーンを高精細度で生成する粗大なトランスフォーマーベースアプローチである。 59.6%のFPD、3D-FRONTで51.1%のFID、3D-FRONTで70.5%のFPD、Scannet++で73.8%のFIDを持つ標準ベンチマークで最先端のパフォーマンスを示す。
• 参考スコア（独自算出の注目度）: 39.809290238926636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-resolution 3D indoor scene generation is crucial for immersive applications such as virtual reality, spatial computing, and robotics simulation. We introduce VoxLution, a coarse-to-fine transformer-based approach that generates high-fidelity indoor scenes with rich details, overcoming the overly smooth geometry typical of existing generative models. First, we generate a low-resolution spatial layout; then, based on this structural information, we progressively refine the scene geometry locally in chunks. Key to our approach is formulating 3D super-resolution as a sequence modeling problem over multi-resolution sparse voxel grids. To achieve this, we introduce a training-free, resolution-invariant tokenization scheme that compactly encodes the geometric information of eight octants into a single decimal number. We formulate the transformer sequence to include multiple resolutions, allowing the coarse layout to guide the generation of fine local details. To ensure coherence across local chunks, we incorporate adjacent chunk boundary information directly into the transformer sequencing. VoxLution achieves scene generation at a finer voxel resolution than existing baselines, demonstrating state-of-the-art performance on standard benchmarks with 59.6% lower FPD and 51.1% lower FID on 3D-FRONT, and 70.5% lower FPD and 73.8% lower FID on Scannet++.
• Abstract（参考訳）: 高解像度の屋内シーン生成は、仮想現実、空間コンピューティング、ロボットシミュレーションなどの没入型アプリケーションに不可欠である。 本稿では,高忠実度屋内シーンを高精細度に生成する粗大なトランスフォーマーベースアプローチであるVoxLutionを紹介し,既存の生成モデルに典型的な過度に滑らかな幾何学を克服する。 まず、低分解能な空間配置を生成し、次に、この構造情報に基づいて、シーンの地形を局所的に局所的に洗練する。 提案手法の鍵となるのは,マルチレゾリューション・スパース・ボクセル・グリッド上のシーケンス・モデリング問題として3次元超解法を定式化することである。 そこで本研究では,8オクタントの幾何情報を1つの10進数にコンパクトに符号化する,学習不要で解像度不変なトークン化手法を提案する。 複数の解像度を含む変圧器列を定式化し、粗いレイアウトで局所的な細部の生成をガイドする。 局所的なチャンク間のコヒーレンスを確保するために、隣接するチャンク境界情報を変換器シークエンシングに直接組み込む。 VoxLutionは既存のベースラインよりも微細なボクセル解像度でシーン生成を実現し、59.6%低いFPD、3D-FRONTでは51.1%低いFID、Scannet++では70.5%低いFIDと73.8%低いFIDを持つ標準ベンチマークで最先端のパフォーマンスを示した。

関連論文リスト

• HilbertGen-3D:Hilbert--Multifractal Conditioning for Topology-Aware 3D Generation [21.632271278158957]
  我々はHilbert-Multifractal Conditioning (HMC)に基づく新しい条件拡散フレームワークHilbertGen-3Dを紹介する。 HMCは、マルチスケールのボクセル測度を計算し、3次元ヒルベルト曲線を用いてそれらをシリアライズし、構造化空間依存性を公開し、スケール依存分割関数から一般化されたフラクタル次元を推定する。 ShapeNetの椅子、飛行機、自動車のカテゴリー全体で、我々の2つの条件付き変種は1-NNAの絶対偏差を最大8.90ポイントまで減少させ、TopoDiT-3Dと比較して5.88ポイントまで増加させます。
  論文  参考訳（メタデータ） (2026-10-15T22:45:52Z)
• PLSR: Progressive and Localized Super-Resolution of 3D Objects via Localized Latent Voxel Diffusion [44.63283515238481]
  高分解能な3Dアセット生成は、様々な3Dアプリケーションにおいて不可欠である。 既存の最先端拡散ベースのモデルは、固定解像度によって制約される。 既存の3次元生成基盤モデルに基づく3次元超解像フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-06T07:21:36Z)
• 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)
• LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning [26.88556500272625]
  非符号距離場(UDF)に基づく新しい3次元変分オートエンコーダフレームワークを提案する。 私たちの中心となるイノベーションは、UDFを統一サブボリュームであるUBlockに分割することで処理する、ローカルからグローバルなアーキテクチャです。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。
  論文  参考訳（メタデータ） (2025-11-13T07:34:43Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• SCube: Instant Large-Scale Scene Reconstruction using VoxSplats [55.383993296042526]
  SCubeは画像の粗い集合から大規模3次元シーン(幾何学、外観、意味論)を再構成する新しい手法である。 提案手法は,高解像度のスパース・ボクセル・足場上に支持された3次元ガウスの組である,新しい表現VoxSplatを用いて再構成シーンを符号化する。
  論文  参考訳（メタデータ） (2024-10-26T00:52:46Z)
• Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
  我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。 本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:56:56Z)
• DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
  本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。 本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-01-15T09:31:58Z)

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。