論文の概要: TransArt3D: From Two States to Articulated 3D Reconstruction with Video Transition Priors
- arxiv url: http://arxiv.org/abs/2611.11304v1
- Date: Sun, 08 Nov 2026 11:03:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:37.982146
- Title: TransArt3D: From Two States to Articulated 3D Reconstruction with Video Transition Priors
- Title(参考訳): TransArt3D:2つの状態から3D再構成
- Abstract要約: 少数の画像から3次元運動場を再構成する再構成フレームワークであるTransArt3Dを提案する。
このフレームワークは、6つの観測対象と先行エンドポイント幾何が与えられた事前の手法を超越している。
- 参考スコア(独自算出の注目度): 6.061536470039638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing interactable articulated assets from a few images is key to robotics and simulation, yet highly underconstrained. Existing optimization-based methods fit an articulated asset under a static 3D prior that scores each state independently, so per-state reconstruction errors leak into the estimated moving part and joint as false motion. Video diffusion models capture how objects move between states, but only implicitly in 2D. To this end, we present TransArt3D, an optimization-based framework that reconstructs an articulated 3D asset from two endpoint images by translating this video transition prior into explicit part structure and joint kinematics. It first lifts frames generated between the endpoints with a transition-coupled 3D consensus that applies the static 3D prior jointly across frames, stabilizing unchanging regions and initializing the parts and joint. A rectified-flow kinematic refinement then lets the video prior supervise a 3D motion field over the whole transition, while part assignment and a shared joint constrain the field throughout optimization, keeping per-state errors out of the articulation. Finally, a motion-aware canonical appearance fusion uses the recovered articulation to map both endpoint images onto one canonical surface, texturing regions that only one state reveals. On PartNet-Mobility, TransArt3D outperforms methods given the same two endpoints in geometry and joint accuracy, and surpasses methods given six observed states in articulated-state geometry, joint localization and appearance.
- Abstract(参考訳): 数枚の画像から対話可能な音響資産を再構築することは、ロボット工学とシミュレーションの鍵となるが、非常に制約の少ない。
既存の最適化ベースの手法は、各状態を独立してスコアする静的な3D前において、調音されたアセットに適合するため、状態ごとの再構成エラーが推定された移動部と関節に漏れて、偽動作となる。
ビデオ拡散モデルでは、物体が状態の間を移動する様子を捉えますが、2Dでは暗黙的にしか見えません。
この目的のために,2つのエンドポイントイメージから,このビデオ遷移を明示的な部分構造と関節キネマティクスに変換することで,音声による3Dアセットを再構築する,最適化ベースのフレームワークであるTransArt3Dを提案する。
まず、エンドポイント間で生成されたフレームをトランジション結合した3Dコンセンサスで持ち上げ、静的な3Dをフレーム間で前もって適用し、不安定な領域を安定化し、部品と関節を初期化する。
修正フローのキネマティックリファインメントにより、ビデオはトランジション全体の3次元運動場を事前に監督し、部分割り当てと共有ジョイントは最適化全体を通してフィールドを制約し、状態ごとのエラーを調音から遠ざける。
最後に、モーション対応の正準外見融合は、復元された調音を使用して、両方の終端画像を1つの正準面にマッピングする。
PartNet-Mobilityでは、TransArt3Dはジオメトリとジョイントの精度で同じ2つの終点を持つ手法を上回り、調音状態幾何学、ジョイントローカライゼーション、外観の6つの状態を持つ手法を上回ります。
関連論文リスト
- GRASE: Geometry-native Real-to-sim Agentic Scene Modeling from Video [4.4178417023288885]
リアル・トゥ・シム変換は、キャプチャーされた実環境の映像を編集可能な3Dシーンに変換し、観察対象の形状とレイアウトを保存することを目的としている。
本稿では,キャプチャしたマルチビュー映像の観察をシーン・モデリング全体を通してスタンディング・リファレンスとして扱うエージェント・フレームワークであるGRASEについて述べる。
実験では、GRASEはGPT6-Astraを用いた直接実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
論文 参考訳(メタデータ) (2026-10-15T08:34:00Z) - 3D-Fixer: Coarse-to-Fine In-place Completion for 3D Scenes from a Single Image [26.04490259188974]
合成3Dシーン生成のための新しいインプレース・コンプリート・パラダイムである3D-Fixerを紹介する。
明示的なポーズアライメントを必要とする以前の作品とは異なり、3D-Fixerはレイアウトの忠実さを維持するために空間アンカーとして断片化された幾何学を使用している。
これまでで最大のシーンレベルのデータセットであるARSG-110Kについて述べる。
論文 参考訳(メタデータ) (2026-04-06T04:11:09Z) - TRACE: High-Fidelity 3D Scene Editing via Tangible Reconstruction and Geometry-Aligned Contextual Video Masking [38.40189748889072]
メッシュ誘導3DGS編集フレームワークは、自動化された高忠実なシーン変換を実現する。
ビデオ拡散を明示的な3次元幾何学で固定することにより、TRACEはきめ細かい部分レベルのマニピュラを可能にする。
論文 参考訳(メタデータ) (2026-04-01T17:51:00Z) - Interact3D: Compositional 3D Generation of Interactive Objects [31.12099147294145]
本稿では,3次元合成オブジェクト間の相互作用を物理的に妥当に生成する新しいフレームワークを提案する。
当社のアプローチは、まず先進的な先進的な先進的手法を活用して、高品質な個人資産をキュレートする。
これらの資産を物理的に構成するために、ロバストな2段階合成パイプラインを導入する。
論文 参考訳(メタデータ) (2026-03-17T03:21:06Z) - Articulat3D: Reconstructing Articulated Digital Twins From Monocular Videos with Geometric and Motion Constraints [21.83046776294786]
Articulat3Dは、カジュアルにキャプチャされたモノクロビデオからデジタルツインを構築する新しいフレームワークである。
まず,3次元の軌跡を利用して調音運動の低次元構造を利用する動き優先初期化を提案する。
次に、物理的に可算な調音を強制する幾何学的・運動的制約(Geometric and Motion Constraints Refinement)を導入する。
実験により、Articulat3Dは、合成ベンチマークと現実世界のカジュアルにキャプチャされたモノクロビデオで最先端のパフォーマンスを達成することが示された。
論文 参考訳(メタデータ) (2026-03-12T06:59:44Z) - Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing [63.141976759536625]
テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。
生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。
包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
論文 参考訳(メタデータ) (2026-01-20T16:03:22Z) - Particulate: Feed-Forward 3D Object Articulation [89.78788418174946]
Particulateは、毎日のオブジェクトの1つの静的3Dメッシュが与えられたフィードフォワードアプローチであり、基盤となる関節構造のすべての属性を直接推論する。
私たちは、公開データセットから多種多様な3Dアセットの集合に基づいて、ネットワークのエンドツーエンドをトレーニングします。
推論中、Particulateはネットワークのフィードフォワード予測を入力メッシュに持ち上げ、完全に調音された3Dモデルを数秒で生成する。
論文 参考訳(メタデータ) (2025-12-12T18:59:51Z) - GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。
既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。
ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
論文 参考訳(メタデータ) (2025-06-30T15:24:27Z) - In-2-4D: Inbetweening from Two Single-View Images to 4D Generation [63.68181731564576]
Inbetween-2-4Dという,2枚のシングルビュー画像を補間する4次元(つまり3D + モーション)の生成問題を提案する。
テキストや1つの画像のみからの映像/4D生成とは対照的に、補間タスクはより正確なモーション制御を利用して生成をよりよく制約することができる。
論文 参考訳(メタデータ) (2025-04-11T09:01:09Z)
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。