[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Robust 3D-Masked Part-level Editing in 3D Gaussian Splatting with Regularized Score Distillation Sampling

Created by
  • Haebom

作者

Hayeon Kim, Ji Ha Jang, Se Young Chun

概要

この論文では、Gaussian Splattingベースの3Dモデルの正確な部分編集を可能にする新しいフレームワークであるRoMaPを提案します。既存のGaussian Splattingの不正確な2D部分分割およびScore Distillation Sampling(SDS)損失のあいまいさの問題を解決するために、RoMaPは3D-Geometry Aware Label Prediction(3D-GALP)モジュールを介して正確かつ一貫した部分分割を作成し、正規化SDS損失関数とScheduled Late正確な編集を行います。 SLaMPは高品質で部分的に編集された2D画像を生成し、コンテキストの一貫性を維持し、追加の正規化項(Gaussian priorの削除など)は既存のコンテキストを超えた変化を可能にし、柔軟性を向上させます。実験の結果、RoMaPは、再構成され、生成されたガウシアンシーンとオブジェクトの両方で最先端の局所3D編集パフォーマンスを達成することを示しています。

Takeaways、Limitations

Takeaways:
Gaussian Splattingベースの3Dモデルの正確で劇的な部分編集を可能にします。
3D-GALPによる正確で一貫した部分分割と正規化SDS損失関数による既存の方法のLimitationsの克服
SLaMPによる高品質部分編集2D画像の生成とコンテキストの一貫性の維持
追加の正規化項により、既存のコンテキストを超えた柔軟な編集が可能。
再構成および生成されたガウシアンシーンとオブジェクトの両方で最先端のパフォーマンスを達成します。
Limitations:
提示された方法の計算コストとメモリ使用量の分析不足
様々な3Dモデル形態の一般化性能評価の欠如
実際の応用分野における有効性のための追加の検証の必要性
👍