arXiv cs.CVは2026年10月22日(現地時間)、Guantian Zheng氏らが、単一画像から関節結合型3Dオブジェクトを生成する新しい手法「MoRE (Motion-Regularized Encoding for Articulated 3D Generation)」に関する研究論文を発表した。この手法は、関節属性のエンコーディングが再構築時の動きを保持しないという課題に対応し、表現学習の段階で動きの規則化を導入する。
MoREは、関節結合型オブジェクトの外観と、その部品を制御するメカニズムの両方を単一の画像から回復する必要があるという課題を解決するために開発された。従来、関節属性のコンパクトなエンコーディングだけでは、再構築されたモデルが意図された動きを保持することを保証できないという問題があった。
MoREは、座標軸に揃えられた関節線を、軸分類と2つの軸直交Plückerモーメント係数を用いて表現する。これにより、軸に沿った原点の任意選択が不要となる。表現学習の段階では、デコードされた関節仮説が対応する3次元アンカーを動かすために使用され、これらの動きは注釈付き関節の動きと比較される。関節タイプと軸方向に関する微分可能な期待値が、属性の再構築とそれが誘発する動きを結合させる仕組みを持つ。
システムは、画像条件付きフローによって機能的潜在変数を学習し、複数状態適応型ガウスモデルがオブジェクトの外観情報を提供する。推論時には、回復された部品割り当てと関節が、各状態に対してオブジェクトを再生成することなく、単一の休息姿勢ガウス集合を関節化する。
PartNet-MobilityとACDのデータセットを用いた実験では、比較対象のベースライン手法と比較して、MoREはより強力な部品ボックスの一致、関節結合状態のジオメトリ、および視覚的類似性を示した。関節予測においては、ArtiLatentと比較して、軸、原点、範囲のエラーが削減された。さらに、制御されたアブレーションスタディによって、関節線エンコーディングの有効性が支持され、動きの教師あり学習がアンカー運動エラーを低減することが示されている。コードと事前学習済みチェックポイントは将来的にリリースされる予定である。
参考: arXiv cs.CV (アーカイブ) — 2026年10月23日 13:00 (JST)
原文ハイライト"MoRE represents coordinate-aligned joint lines with axis classification and two axis-orthogonal Plücker moment coefficients"