論文の概要: CoLa3D: Composable Latent 3D Decomposition

• arxiv url: http://arxiv.org/abs/2611.03533v2
• Date: Tue, 03 Nov 2026 16:49:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:34:34.33475
• Title: CoLa3D: Composable Latent 3D Decomposition
• Title（参考訳）: CoLa3D: 構成可能な潜在3D分解
• Abstract要約: CoLa3Dは、共有シーン全体における3次元シーン分解のパラダイムである。 合成データセットと実世界のデータセットの両方で、CoLa3Dは構成可能な3Dシーンの分解において最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 31.79793143921003
• License:
• Abstract: We introduce CoLa3D, a simple and effective model for composable 3D scene decomposition that, given a single whole-scene latent from either a single image or an existing scene mesh as input, directly outputs a set of object meshes with consistent spatial layout that can be assembled back into a coherent scene. CoLa3D introduces a novel paradigm for 3D scene decomposition within a shared whole-scene latent, unlike alternatives that perform per-object generation in canonical spaces and then glue the objects back together with fragile pose and scale estimation. The network is a lightweight, flexible, and scalable query-based transformer that accepts various types of queries, including 2D masks, 3D points, and learnable queries, and learns to decompose the scene into objects in a compact latent space. On both synthetic and real-world datasets, CoLa3D achieves state-of-the-art performance on composable 3D scene decomposition, substantially improving global scene-level consistency and object-level quality while running 2 times faster and using less than 1% of SAM 3D's training data. Visible depth on par with MoGe2 further confirms that latent decomposition preserves accurate visible scene geometry while producing physically complete, decomposable object meshes.
• Abstract（参考訳）: 構成可能な3次元シーン分解のためのシンプルで効果的なモデルであるCoLa3Dを導入し、単一の画像または既存のシーンメッシュを入力として、一貫した空間配置でオブジェクトメッシュのセットを直接出力し、コヒーレントなシーンに組み立てることができる。 CoLa3Dは、標準空間内でオブジェクトごとのオブジェクト生成を実行し、脆弱なポーズとスケール推定でオブジェクトをグルーバックする代替手法とは異なり、共有全体シーンにおける3Dシーン分解のための新しいパラダイムを導入している。 ネットワークは軽量でフレキシブルでスケーラブルなクエリベースのトランスフォーマーで、2Dマスク、3Dポイント、学習可能なクエリなど、さまざまなタイプのクエリを受け取り、コンパクトな潜在空間のオブジェクトにシーンを分解する方法を学ぶ。 合成データセットと実世界のデータセットの両方で、CoLa3Dは構成可能な3Dシーンの分解における最先端のパフォーマンスを実現し、グローバルなシーンレベルの一貫性とオブジェクトレベルの品質を大幅に向上し、2倍高速に動作し、SAM 3Dのトレーニングデータの1%未満を使用する。 MoGe2と同等の可視深度により、遅延分解は物理的に完全で分解可能なオブジェクトメッシュを生成しながら、正確な可視的なシーン形状を保存することが確認される。

関連論文リスト

• LucidLyra: Feed-Forward Generative 3D Scene Reconstruction and Joint Understanding via Multi-Task Distillation [77.81102019165758]
  LucidLyraは、生成的に再構成された3Dシーンをセマンティクスやインスタンスにクエリ可能にするフレームワークである。 LucidLyraは、3Dシーン編集、3Dアセットマイニング、ロボットシミュレーションなどの下流アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2026-10-29T17:18:51Z)
• Easy-3Dfy: Object-Level Geometric Composition for Single-Image 3D Scene Construction [44.10669784667322]
  シングルイメージの3Dシーン構築は、3Dビジョンの基本的な問題である。 シーンレイアウト推定からオブジェクト生成を分離する構成ワークフローであるEasy-3Dfyを提案する。 以上の結果から,空間的理解の強い高品質なオブジェクト生成を効果的に組み合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-10-23T07:04:32Z)
• Mira-Scene: Pixel-Aligned Layouts for Generative 3D Scene Reconstruction [69.88254698306027]
  シングルイメージの3Dオブジェクト生成は、今や高忠実な資産を生成できるが、それらをコヒーレントなシーンレイアウトに正確に配置することは、未解決の課題である。 スパースポーズの回帰を高密度で有界な対応回復に置き換える構成的3次元シーン再構成フレームワークであるMira-Sceneを提案する。
  論文  参考訳（メタデータ） (2026-09-20T18:36:29Z)
• Chirpy3D: Creative Fine-grained 3D Object Fabrication via Part Sampling [128.23917788822948]
  Chirpy3Dは、ゼロショット設定で微細な3Dオブジェクトを生成するための新しいアプローチである。 モデルは、可塑性な3D構造を推測し、きめ細かい細部を捉え、新しい物体に一般化する必要がある。 我々の実験では、Cirpy3Dは、高品質できめ細かな細部を持つ創造的な3Dオブジェクトを生成する既存の手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2025-01-07T21:14:11Z)
• Zero-Shot Multi-Object Scene Completion [59.325611678171974]
  1枚のRGB-D画像から複雑なシーンにおける複数の見えない物体の完全な形状を復元する3Dシーン補完法を提案する。 提案手法は, 合成および実世界の両方のデータセットにおいて, 現在の最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-03-21T17:59:59Z)

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。