日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

3Dシーン生成arXiv:2607.26646

Genie Sim PanoWorld: パノラマシーン生成とシミュレーションによる無限屋内3Dワールド生成パイプライン

Genie Sim PanoWorld: An Infinite Indoor 3D World Generation Pipeline via Panoramic Scene Modeling and Simulation

シェア:XThreadsFacebookLINEはてブBluesky

単一の360度パノラマ画像から、自由に移動可能な高忠実度3Dシーンを再構築する2段階のフィードフォワードパイプラインを提案。軌道制御可能なパノラマ動画を生成し、それを3Dガウシアンシーンに変換することで、シミュレーション用アセットとして利用可能にする。

詳しい要約

1. どんなもの?

Genie Sim PanoWorldは、単一の360°パノラマ画像から、高忠実度で自由にナビゲート可能な屋内3Dシーンを再構築するための2段階フィードフォワードパイプラインである。シーンごとの最適化やマルチビューキャプチャを必要とせず、明示的な軌跡制御が可能なパノラマビデオを生成し、それを3D Gaussianシーンに変換することで、リアルタイムの自由視点ローミングとembodied AIアプリケーション向けのシミュレーション資産を提供する。

2. 先行研究と比べてどこがすごい?

既存手法は、メトリックな軌跡制御が欠如しており、下流の3D再構築に信頼性が欠けるか、長距離カメラ移動時の大きなdisocclusionに対処できず、高価なマルチGPUサーバーを必要とする。Genie Sim PanoWorldは、軌跡制御可能なパノラマビデオを明示的に生成することで、生成と再構築を橋渡しし、これらの問題を解決する。また、4つのCFGフリーのdenoisingステップで高忠実度ビデオを生成し、ゼロショットで未知の屋内シーンに一般化する。

3. 技術・手法の肝は?

手法の核心は、NavMeshで計画されたSE(3)ローミング軌跡を、密な幾何学ワープ条件付けを通じて潜在ビデオ拡散モデルに注入することである。長短軌跡混合トレーニングと、ショートカットモデルに基づく自己整合性目的関数を用いることで、高忠実度ビデオを生成する。その後、フィードフォワードのパノラマ再構築器が生成ビデオを3D Gaussianシーンに変換する。

4. どうやって有効だと検証した?

実験では、幾何学条件付けベースラインと比較して、パノラマビデオ生成と下流の3D再構築の両方で優れた性能を示した。さらに、未知の屋内シーンに対するゼロショット一般化も検証された。

5. 議論はある?

要旨からは、議論や限界についての詳細は不明である。ただし、提案手法は高忠実度の3Dシーン生成を実現するが、計算コストや生成品質の限界、実世界の複雑なシーンへの適用可能性などが議論の対象となる可能性がある。

6. 次に読むべき論文は?

要旨で参照されている関連研究としては、geometry-conditioned baselinesや、パノラマビデオ生成、3D Gaussianシーン再構築に関する研究が挙げられる。具体的には、video diffusion models、3D Gaussian Splatting、NavMesh-based trajectory planningなどの分野の論文が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yongxin Su, Linjie Hou, Feng Wang, Jialin Tang, Zhijun Li, Qian Wang, Maoqing Yao

分類: cs.CV

原文アブストラクト

We address the problem of reconstructing a high-fidelity, freely navigable 3D scene from a single $360^\circ$ panorama, without per-scene optimization or multi-view capture. Existing methods either lack metric trajectory control, which hinders reliable downstream 3D reconstruction, or struggle with large disocclusions under long-range camera motion while requiring high-end multi-GPU servers.We present Genie Sim PanoWorld, a two-stage feed-forward pipeline that bridges generation and reconstruction via an explicit, trajectory-controllable panoramic video. A NavMesh-planned $\mathrm{SE}(3)$ roaming trajectory is injected into a latent video diffusion model through dense geometry-warped conditioning; long--short trajectory mixed training and a self-consistency objective based on shortcut models together yield high-fidelity video in four CFG-free denoising steps. A feed-forward panoramic reconstructor then lifts the generated video into a high-fidelity 3D Gaussian scene that supports real-time, free-viewpoint roaming and can be directly used as a simulation-ready asset for embodied AI applications. Experiments show that Genie Sim PanoWorld outperforms geometry-conditioned baselines in both panoramic video generation and downstream 3D reconstruction, while generalizing zero-shot to unseen indoor scenes.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI