論文の概要: UniCross3D: Unified Cross-View and Cross-Domain Diffusion for Consistent Single-Image 3D Generation
- arxiv url: http://arxiv.org/abs/2611.02631v1
- Date: Mon, 02 Nov 2026 06:57:14 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:09:13.602737
- Title: UniCross3D: Unified Cross-View and Cross-Domain Diffusion for Consistent Single-Image 3D Generation
- Title（参考訳）: UniCross3D: Consistent Single-Image 3D 生成のための統合クロスビューとクロスドメイン拡散
- Abstract要約: UniCross3Dは、一貫した物理的にコヒーレントな3D生成のためのクロスビューとクロスドメイン拡散フレームワークである。
UniCross3Dは、最先端のメソッドに対するビュー一貫性とセマンティックアライメントを大幅に改善する。
- 参考スコア（独自算出の注目度）: 2.8951915538170288
- License:
- Abstract: Reconstructing detailed geometry and realistic appearance from a single RGB image is essential yet fundamentally challenging due to inherent ambiguities such as occlusion, lighting variations, and texture-geometry entanglement. While recent diffusion-based generative models have significantly improved novel view synthesis, existing approaches suffer from two critical limitations: lack of cross-view geometric consistency and insufficient cross-domain semantic alignment. To address these issues, we introduce UniCross3D, a unified cross-view and cross-domain diffusion framework designed explicitly for consistent and physically coherent 3D generation. UniCross3D features two novel contributions: (1) a cross-view latent regularization that enforces cross-view geometric consistency across synthesized viewpoints by penalizing latent variance, and (2) a cross-domain mutual information objective grounded in the physics of image formation, explicitly aligning synthesized color and normal maps. Extensive experiments demonstrate that UniCross3D achieves significantly improved view consistency and semantic alignment over state-of-the-art methods and yields higher-fidelity reconstructions, particularly under challenging textures and ambiguous viewpoints.
- Abstract（参考訳）: 単一のRGB画像から詳細な幾何学と現実的な外観を再構築することは、隠蔽、照明のバリエーション、テクスチャ・ジオメトリの絡み合いといった固有の曖昧さのため、基本的には困難である。
最近の拡散に基づく生成モデルは、新しいビュー合成を著しく改善しているが、既存のアプローチには2つの重要な制限がある: クロスビュー幾何整合性の欠如とドメイン間のセマンティックアライメントの欠如である。
これらの問題に対処するために,一貫した物理コヒーレントな3D生成のために設計されたクロスビュー・クロスドメイン拡散フレームワークUniCross3Dを導入する。
The cross-view latent regularization that enforces cross-view geometry consistency across synthesisd views by penalizing latent variance, (2) cross-domain mutual information objectiveed in the physics of image formation, clearlyaligneding synthesised color and normal map。
広汎な実験により、UniCross3Dは、最先端の手法に対するビューの一貫性とセマンティックアライメントを著しく改善し、特に難解なテクスチャと曖昧な視点の下で、高忠実度再構築を実現することが示されている。
関連論文リスト
- ESC: Escaping 2D Diffusion Ambiguity with Geometric Constraints for Consistent Novel View Synthesis [25.891305325357475]
劇的なカメラ変化下での単眼視合成のための幾何学的アライメントを強化するフレームワークを提案する。
拡散パイプラインを1つのソース画像、ソース深さ、ターゲットカメラ線に条件付けすることで、我々のアプローチはモデルに本質的に3次元空間で理性を持たせるように強制する。
空間的忠実性を保証するため,画素ごとの奥行きの整合性制約を提案する。
論文 参考訳（メタデータ） (2026-10-14T21:40:55Z) - More Than Where You Are: Learning Semantics, Structure, and Geometry from Cross-View Localization [8.17466031886622]
極端視点変化下でのクロスビュー理解は、空間知能にとって不可欠である。
クロスビューなローカライゼーションは単に2次元マッチングやポーズ推定と見なすべきではない。
CROSSは, 3次元のアライメント, 構造認識マッチング, 仮説ランキングに基づいて構築された, クロスビュー・ローカライズ・フレームワークである。
論文 参考訳（メタデータ） (2026-07-14T07:00:34Z) - GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion [36.691978700341515]
GeoFaceは、単一の入力から一貫した顔を生成するための幾何学制約付き多視点拡散フレームワークである。
RenderMe-360 と NeRSemble の実験では、GeoFace は視覚的品質と横方向の幾何的整合性の両方において、既存の手法よりも一貫して優れていることを示した。
論文 参考訳（メタデータ） (2026-06-26T02:31:06Z) - Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳（メタデータ） (2026-04-12T10:36:18Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。
本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
論文 参考訳（メタデータ） (2025-09-18T13:45:08Z) - CDI3D: Cross-guided Dense-view Interpolation for 3D Reconstruction [25.468907201804093]
大規模再構成モデル (LRM) は, 2次元拡散モデルにより生成された多視点画像を利用して3次元コンテンツを抽出する際の大きな可能性を示している。
しかし、2次元拡散モデルはしばしば、強い多視点一貫性を持つ高密度画像を生成するのに苦労する。
CDI3Dは,高画質で高画質な3D画像生成を実現するためのフィードフォワードフレームワークである。
論文 参考訳（メタデータ） (2025-03-11T03:08:43Z) - Geometry-guided Cross-view Diffusion for One-to-many Cross-view Image Synthesis [48.945931374180795]
本稿では,対応する衛星画像から可視な地上画像を生成することを目的とした,クロスビュー合成のための新しいアプローチを提案する。
これらの課題を衛星間(Sat2Grd)と地上間(Grd2Sat)合成と呼ぶ。
論文 参考訳（メタデータ） (2024-12-04T13:47:51Z) - SeMv-3D: Towards Concurrency of Semantic and Multi-view Consistency in General Text-to-3D Generation [122.47961178994456]
SeMv-3Dは、GT23D生成におけるセマンティックアライメントとマルチビュー一貫性を協調的に強化する新しいフレームワークである。
本稿では,TPL(Triplane Prior Learning)について紹介する。
我々はまた、一貫した任意のビュー合成を可能にする、三葉飛行機(SAT)における事前ベースセマンティックアライニング(Semantic Aligning)を提案する。
論文 参考訳（メタデータ） (2024-10-10T07:02:06Z) - Wonder3D: Single Image to 3D using Cross-Domain Diffusion [105.16622018766236]
Wonder3Dは、単一視点画像から高忠実なテクスチャメッシュを効率的に生成する新しい手法である。
画像から3Dまでのタスクの品質,一貫性,効率性を総括的に改善するため,領域間拡散モデルを提案する。
論文 参考訳（メタデータ） (2023-10-23T15:02:23Z)
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。