CC3D: Layout-Conditioned Generation of Compositional 3D Scenes
Rattachement africain : ca, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
In this work, we introduce CC3D, a conditional generative model that synthesizes complex 3D scenes conditioned on 2D semantic scene layouts, trained using single-view images. Different from most existing 3D GANs that limit their applicability to aligned single objects, we focus on generating complex scenes with multiple objects, by modeling the compositional nature of 3D scenes. By devising a 2D layout-based approach for 3D synthesis and implementing a new 3D field representation with a stronger geometric inductive bias, we have created a 3D GAN that is both efficient and of high quality, while allowing for a more controllable generation process. Our evaluations on synthetic 3D-FRONT and real-world KITTI-360 datasets demonstrate that our model generates scenes of improved visual and geometric quality in comparison to previous works.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- CC3D: Layout-Conditioned Generation of Compositional 3D Scenes
- Date Crossref
- 01/10/2023
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Toronto pays non établi dans la noticeUniversité ou école supérieure
-
Stanford University pays non établi dans la noticeUniversité ou école supérieure
-
Simon Fraser University pays non établi dans la noticeUniversité ou école supérieure
-
Google (United States) pays non établi dans la noticeEntreprise
-
Google Research pays non établi dans la noticeInstitution
University of Toronto, Stanford University et Simon Fraser University, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.