論文の概要: RDT-3D: Resolution-Decoupled Training for High-Fidelity 3D Geometry Generation

• arxiv url: http://arxiv.org/abs/2611.06141v1
• Date: Wed, 04 Nov 2026 08:23:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.026173
• Title: RDT-3D: Resolution-Decoupled Training for High-Fidelity 3D Geometry Generation
• Title（参考訳）: RDT-3D:高忠実度3次元幾何生成のための分解能分離訓練
• Abstract要約: 高忠実度3D幾何生成には、微細な表面の詳細とともに、大域的な構造コヒーレンスを維持する必要がある。 最近の粗いフレームワークはRotary Position Embeddings (RoPE)を利用してローカルクエリを条件付けしている。 本研究では、1536年の幾何学を監督しながら、RoPE指導を512の解像度で固定し、堅牢な詳細な補間を可能にするRDT(Resolve-Decoupled Training)を提案する。
• 参考スコア（独自算出の注目度）: 16.5946431654463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity 3D geometry generation requires maintaining global structural coherence alongside fine-grained surface details. While recent coarse-to-fine frameworks leverage Rotary Position Embeddings (RoPE) to condition local queries, we reveal a critical training-inference resolution discrepancy: coordinate guidance and geometric supervision are aligned during training, whereas inference decodes high-resolution geometry from coarse spatial coordinates. This mismatch introduces a severe distribution shift that degrades fine details. To overcome this, we propose Resolution-Decoupled Training (RDT), which anchors RoPE guidance at 512 resolution while supervising geometry at 1536, enabling robust detail extrapolation. Additionally, to eliminate high-resolution data bottlenecks, we present Dual3D-300K, a large-scale paired dataset comprising 300K watertight 3D point clouds explicitly aligned across 512 and 1536 resolutions. Extensive experiments demonstrate that RDT substantially improves sharp geometric regions, while Dual3D-300K offers a scalable benchmark for high-resolution 3D generation.
• Abstract（参考訳）: 高忠実度3D幾何生成には、微細な表面の詳細とともに、大域的な構造コヒーレンスを維持する必要がある。 最近の粗いフレームワークはロータリー位置埋め込み(RoPE)を利用して局所的なクエリを条件付けるが、我々は重要なトレーニング推論解決の相違を明らかにする: 座標ガイダンスと幾何学的監督はトレーニング中に整列するが、推論は粗い空間座標から高分解能幾何をデコードする。 このミスマッチは、詳細な詳細を分解する厳密な分布シフトをもたらす。 そこで我々は,RoPE指導を512の解像度で固定し,幾何学を1536で監督するRDT(Resolve-Decoupled Training)を提案する。 さらに、高解像度データのボトルネックを取り除くために、512と1536の解像度で明確に整列された300Kの水密3D点雲からなる大規模なペアデータセットであるDual3D-300Kを提案する。 大規模な実験により、RDTはシャープな幾何学的領域を大幅に改善し、Dual3D-300Kは高解像度の3D生成のためのスケーラブルなベンチマークを提供する。

関連論文リスト

• HI3D 3.0 (Twinkle3D): Object-specific 3D Asset Generation with High Resolution [27.51907537923446]
  Hi3D 3.0は、オブジェクト固有の忠実度をターゲットとした画像から3D生成システムである。 ツインクル3Dは4次元に沿って高忠実度幾何生成を進める。
  論文  参考訳（メタデータ） (2026-10-08T10:57:06Z)
• FILIGREE3D: Scaling Sparse Latent Flow Matching for Ultra-High-Resolution Image-to-3D Generation [10.862378991353301]
  超高解像度に画像から3D生成をスケールするには、微妙な幾何学的詳細を犠牲にすることなく、急速に増大する計算コストを制御する必要がある。 一つの画像から最大20483ドルまでのボクセル解像度で3次元形状を生成する,ススパース遅延フローマッチングフレームワークである textbfFiligree3D を提案する。
  論文  参考訳（メタデータ） (2026-09-28T11:05:49Z)
• Federated 3D Gaussian Splatting for Large-Scale Scene Reconstruction at Wireless Edge [63.63984803717389]
  3次元ガウススプラッティング(3D-GS)は大規模なシーン再構築に有望な技術である。 本稿では,大規模シーンの3D-GSモデルを効率的に学習するための新しい資源効率学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-26T02:59:00Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• L3DR: 3D-aware LiDAR Diffusion and Rectification [85.5914944339043]
  レンジビュー(RV)に基づくLiDAR拡散は、最近2Dフォトリアリズムに向けて大きな進歩を遂げた。 しかし、3次元幾何学的リアリズムを無視し、深部出血や波状表面といった様々なRVアーティファクトをしばしば生成する。 我々は,3次元空間におけるRVアーティファクトの回帰とキャンセルが可能な,L3DRを3D対応のLiDAR拡散・整流フレームワークとして設計する。
  論文  参考訳（メタデータ） (2026-02-22T06:31:58Z)
• 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)
• Towards High-Resolution 3D Anomaly Detection: A Scalable Dataset and Real-Time Framework for Subtle Industrial Defects [3.3913177957853935]
  MiniShiftは、最初の高解像度3D異常検出データセットである。 計算オーバーヘッドを最小限に抑えた複雑な幾何学的詳細を捉えるためのフレームワークであるSimple3Dを紹介する。
  論文  参考訳（メタデータ） (2025-07-10T05:19:16Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• NDC-Scene: Boost Monocular 3D Semantic Scene Completion in Normalized Device Coordinates Space [77.6067460464962]
  SSC(Monocular 3D Semantic Scene Completion)は、単一の画像から複雑なセマンティックスや幾何学的形状を予測し、3D入力を必要としないため、近年大きな注目を集めている。 我々は,3次元空間に投影された2次元特徴の特徴的曖昧さ,3次元畳み込みのPose Ambiguity,深さの異なる3次元畳み込みにおける不均衡など,現在の最先端手法におけるいくつかの重要な問題を明らかにする。 シーン補完ネットワーク(NDC-Scene)を考案し,2を直接拡張する。
  論文  参考訳（メタデータ） (2023-09-26T02:09:52Z)

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。