変異を認識する柔軟な3Dゲラズミック編集

３Ｄガウスサプレッティング（３ＤGS）の直接編集メソッドは最近に於いて大いなる進歩が観測された。これらのアプローチは通常、レンダード２次元空間上で編集を行うと最初に、その後、それがを再投影するのを使って編集を適用することによりその流れで行われる。しかし，この潮流においては無視せられることがなく、異なる3Dに対する多様性と効率へのクロスビューの不整合も存在する。これらの問題に対処するために、VF-Editorが存在すると表明していることを説明する。この編集を行うためにガウス primitives をネイティブに編集できることによって、特異変調を前駆的に推定し，予測の手法において2次元で編集の知識からデザインした新しい変異予測器が存在すると強調しているという。これらの変異は正確で効率的であり、異なる２次元編集技法と戦略を一つの予測に統合することが可能となるためとなることは，VF-Editorにとって新たな役割を持つことができる。さらに、それぞれの３Dガウスに対する属性変化を一度にインフラジョンするためのそれぞれの両性の学習可能な回復機能が使用される。これらの機能により、VF-Editorは異なる2次元編集方法と戦略から編集的知識を有効的に吸収および効果的な知識転送を行い、それを持つ3D空間へ取り入れることができる。多様な公的な及び私的なデータセットに対する広範な実験の結果を分析し、私達のアプローチが直接的編集の流れに固有の制約を無視するという事実は確認された。また効果と柔軟性の詳細も評価された。

arXiv:2602.11638v1 Announce Type: new Abstract: Indirect editing methods for 3D Gaussian Splatting (3DGS) have recently witnessed significant advancements. These approaches operate by first applying edits in the rendered 2D space and subsequently projecting the modifications back into 3D. However, this paradigm inevitably introduces cross-view inconsistencies and constrains both the flexibility and efficiency of the editing process. To address these challenges, we present VF-Editor, which enables native editing of Gaussian primitives by predicting attribute variations in a feedforward manner. To accurately and efficiently estimate these variations, we design a novel variation predictor distilled from 2D editing knowledge. The predictor encodes the input to generate a variation field and employs two learnable, parallel decoding functions to iteratively infer attribute changes for each 3D Gaussian. Thanks to its unified design, VF-Editor can seamlessly distill editing knowledge from diverse 2D editors and strategies into a single predictor, allowing for flexible and effective knowledge transfer into the 3D domain. Extensive experiments on both public and private datasets reveal the inherent limitations of indirect editing pipelines and validate the effectiveness and flexibility of our approach.