論文の概要: ArtCrafter: Feed-Forward Generation of Articulated 3D Object with Analytic Joint Derivation

• arxiv url: http://arxiv.org/abs/2611.07658v1
• Date: Thu, 05 Nov 2026 08:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.606786
• Title: ArtCrafter: Feed-Forward Generation of Articulated 3D Object with Analytic Joint Derivation
• Title（参考訳）: ArtCrafter: 解析的関節導出による人工三次元物体のフィードフォワード生成
• Abstract要約: ArtCrafterは、一対の画像から調音された3Dオブジェクトを制御可能な生成のための、新しいフィードフォワード生成モデルである。 ArtCrafterのコアとなるのは、DiTベースの生成モデルで、単一のフォワードパスで両方の調音状態のための部分レベルのメッシュを共同で生成する。
• 参考スコア（独自算出の注目度）: 7.714813121303238
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Articulated 3D assets are essential for robotic simulation and training, yet their generation from casual images poses a key challenge: recovering part geometry and kinematics that remain mutually consistent. We present ArtCrafter, a novel feed-forward generative model for controllable generation of articulated 3D objects from a pair of images, one depicting the object in the rest state and the other in the open state. At the core of ArtCrafter is a DiT-based generative model that jointly produces part-level meshes for both articulation states in a single forward pass. Inspired by Slot Attention, its denoising process operates on a $1+2N$ slot layout comprising one shared base slot and $N$ paired rest/open slots, encouraging each pair to bind to the same kinematic part. To ensure geometrically consistent and disjoint part generation, we introduce Triplet Attention to enforce cross-state geometric consistency between paired rest/open slots anchored through the shared base slot, and a repulsion loss $\mathcal{L}_{\mathrm{rep}}$ on decoded part point clouds to prevent inter-part penetration throughout denoising. Given the resulting paired meshes, URDF joint parameters---type, axis, origin, and range---are derived analytically from the rigid transformation between each rest/open pair, providing an interpretable alternative to learned joint-parameter regression. Extensive experiments on both in-distribution and out-of-distribution datasets demonstrate that ArtCrafter outperforms existing method under the same dual-state setting in geometry quality and articulation precision, while remaining competitive with methods operating under different input settings and paradigms.
• Abstract（参考訳）: アーティキュレートされた3Dアセットはロボットシミュレーションとトレーニングに不可欠だが、カジュアルな画像から生成されることは重要な課題である。 本稿では,一対の画像から3Dオブジェクトを制御可能なフィードフォワード生成モデルであるArtCrafterについて述べる。 ArtCrafterのコアとなるのは、DiTベースの生成モデルで、単一のフォワードパスで両方の調音状態のための部分レベルのメッシュを共同で生成する。 Slot Attentionにインスパイアされたそのデノベーションプロセスは、1つの共有ベーススロットと$N$ペアのレスト/オープンスロットで構成される1+2N$スロットレイアウトで動作し、各ペアが同じキネマティック部分にバインドすることを奨励する。 空間的整合性を確保するために,共有ベーススロットに固定されたペアレスト/オープンスロットと復調損失$\mathcal{L}_{\mathrm{rep}}$をデコードした部分点雲上に配置し,部分間の浸透を防止するために,Triplet Attentionを導入する。 得られたペアメッシュが与えられた場合、URDF関節パラメーター-タイプ、軸、起源、範囲--は、各レスト/オープンペア間の剛性変換から解析的に導出され、学習された関節パラメータ回帰の解釈可能な代替手段を提供する。 分布内および分布外両方のデータセットに関する大規模な実験により、ArtCrafterは、異なる入力設定とパラダイムの下で動作しているメソッドと競合しながら、幾何学的品質と調音精度において、同じ二重状態条件下で既存のメソッドよりも優れていることが示された。

関連論文リスト

• MoRE: Motion-Regularized Encoding for Articulated 3D Generation [1.838598580022197]
  MoREは、軸分類と2つの軸直交カーモーメント係数を持つ座標整列継手ラインを表す。 表現学習では、デコードされた関節仮説を用いて対応する3次元アンカーを移動させる。 PartNet-MobilityとACDの実験では、比較ベースラインよりもパートボックスの整合性、調音状態形状、視覚的類似性が向上した。
  論文  参考訳（メタデータ） (2026-10-21T18:55:12Z)
• USR-Drive: Unified Driving Scene Representation via Joint Denoising of 3D Gaussians and Boxes [57.4583999658488]
  自律運転のための空間表現学習は、生の視覚信号を構造化された3次元シーン表現にマッピングすることを目的としている。 既存の方法は動的再構成とインスタンスレベルの認識を別々のタスクとして扱う。 共有シーン表現における高密度な動的幾何とインスタンスレベルのオブジェクトレイアウトを復元する統一条件生成フレームワークUSR-Driveを提案する。
  論文  参考訳（メタデータ） (2026-08-19T15:29:06Z)
• Occlusion-Robust Multi-Object Decoupling for Physics-Based Robotic Interaction [33.71202994777273]
  本研究では,スパース・オブ・オブ・オブ・ザ・リアルワールドビューから多目的3次元再構成を実現するマスクレス手法を提案する。 本手法は手動マスクを必要とせずにシミュレーション可能な3Dオブジェクトを生成する。
  論文  参考訳（メタデータ） (2026-06-28T09:50:46Z)
• ArtSplat: Feed-Forward Articulated 3D Gaussian Splatting from Sparse Multi-State Uncalibrated Views [26.73085272044419]
  ArtSplatは3D Gaussian Splattingのための最初のフィードフォワードフレームワークである。 単一の前方通過で複数の調音状態にわたるスパース多視点画像から幾何学的パラメータと関節的パラメータの両方を再構成する。 PartNet-Mobilityの68個の明瞭なオブジェクトに対する実験では、ArtSplatは、ベースラインの400倍以上の速度で、幾何学的および関節的推定の両方において競合性能を達成している。
  論文  参考訳（メタデータ） (2026-05-23T00:31:47Z)
• ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes [55.32681167870698]
  Video-informed Pose Spaces (ViPS)は、自動リップメッシュのための有効な調律の潜時分布を検出するフィードフォワードフレームワークである。 ViPSは生成ビデオの先行値を所定のリグパラメータ化上の普遍分布に転送する。 評価の結果,VPSは,合成アーティストが作成した4Dデータに基づいて訓練した最先端の手法の性能と,妥当性と多様性の両面で一致していることがわかった。
  論文  参考訳（メタデータ） (2026-04-19T21:21:11Z)
• AniGen: Unified $S^3$ Fields for Animatable 3D Asset Generation [64.1405325883561]
  AniGenは、単一画像上に条件付きアニメーション対応の3Dアセットを直接生成する統合フレームワークである。 私たちの重要な洞察は、共有空間領域上で定義されたS3$ Fields(Shape, Skeleton, Skin)として、形状、骨格、スキン化を表現することです。 AniGenは、リグの妥当性とアニメーションの品質において、最先端のシーケンシャルベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-09T20:22:06Z)
• 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)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)

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。