arXivは2026年11月19日(現地時間)、逆生成モデリングフレームワーク「Infer3D」に関する研究論文を公開した。これは、従来のニューラルネットワークが苦手とする、訓練データにない(out-of-distribution: OOD)シーン条件からの3D再構成において、優れた精度を発揮する。人間の視覚が持つ生成的な推論戦略に着想を得ており、単眼入力から生成モデルの潜在変数を復元することで、堅牢な3D構造理解を可能にする。

「Infer3D」は、単眼入力に基づいて生成モデルの潜在変数を復元する逆生成モデリングの枠組みを採用する。退化した平坦な出力の発生を抑制するため、生成的な画像事前分布を固定された3Dリフティングネットワークと組み合わせる。これにより、最適化空間が有効かつ多視点に整合性のある3D多様体に制約される。

研究では、多様な合成タスクおよび実世界タスクにおいて、同等またはより大規模なデータセットで訓練されたフィードフォワードネットワークと比較して、Infer3Dが優れたOOD再構成精度を示すことが実証された。さらに、人間の知覚が曖昧な刺激の処理により多くの時間を要することに着目し、適応型推論戦略を導入した。これにより、曖昧なOODサンプルにはより多くのテスト時計算を投入しつつ、イン・ディストリビューション入力は効率的にルーティングされる。

この研究は、Amani Kiruga、Mark Hamilton、Joshua B. Tenenbaum、William T. Freeman、Vincent Sitzmann、Yilun Du、Ayush Tewariの7名によって発表された。


参考: arXiv cs.CV (アーカイブ) — 2026年11月20日 14:00 (JST)

原文ハイライト

"we propose Infer3D, an inverse generative modeling framework that recovers the latent variables"

この記事をシェア
X はてブ LinkedIn