ランキング（注目度スコア）
スコア算出日: 2026-09-13
合計スコア = √(HF Upvotes) + √(GitHub Stars) + cvFactor + venueBonus（HF・Stars が 0 のとき各 √ 項は 0、cvFactor は LLM による 100 点満点、venueBonus は学会採択加点）（算定方法の詳細）
今週のコンピュータビジョン界隈は、まさに「生成AIによる3D空間の再定義」が加速していると言っても過言ではない。2Dの画像生成から、一歩進んで「3Dの一貫性（Consistency）」や「物理的な幾何構造（Geometry）」をいかに生成・補完するかという、より高度なフェーズへと技術がシフトしている。特に、Gaussian Splatting (3DGS) や Neural SDF といった最新の3D表現形式に、動画生成モデルの強力な事前学習知識（Generative Priors）をどう融合させるか、という試みがトップ論文を賑わせている。エンジニア諸君、今週も目が離せない展開だ。
トップ3の深掘り
FixAnything: 3D-Consistent Rendering Refinement via Video Generative Priors
どんな論文？ / 新規性 3DGSやNeRFなどの3Dシーン表現において、入力視点が不足していたり、カメラ位置が極端だったりする場合に発生する「レンダリングのアーティファクト（ノイズや崩れ）」を、ビデオ生成モデルの知識を用いて修正する手法を提案している。動画生成モデルが持つ「物体がどう動くか、どう見えるべきか」という強力な事前知識（Generative Priors）を、3D空間の整合性を保ったままレンダリングの補正に適用した点が極めて独創的だ。
なぜ注目すべきか（スコア内訳を数字で） 合計スコア97.00点という圧倒的な評価を得ている。cvFactor（専門家評価）が82点と高く、3Dレンダリングの品質向上という、実用化において最も困難かつ需要の高い課題に直面しているためだ。
関連リンク arXiv | Hugging Face
Mover360: Controllable Object Manipulation in 360° Panoramic Images
どんな論文？ / 新規性 360度パノラマ画像（等距円筒図法: ERP）における、オブジェクトの操作（移動や編集）を制御可能にするフレームワーク。パノラマ画像特有の「水平方向のラップアラウンド（端と端の繋がり）」や「緯度による歪み」といった問題を解決し、全方位的なシーンの連続性を維持したまま、特定の物体だけを自然に動かすことを可能にした。
なぜ注目すべきか（スコア内訳を数字で） 合計スコア96.41点。cvFactorが95点と非常に高く、GitHubでのStarも2件獲得している。パノラマ画像の編集はVR/メタバースにおけるコンテンツ制作において極めて重要であり、その技術的障壁をクリアした点が評価されている。
関連リンク arXiv | Hugging Face | GitHub
NeuDonatello: Uncertainty-Aware Framework for Accurate Neural SDF Learning
どんな論文？ / 新規性 高品質な3D表面再構成を実現するNeural SDF（Signed Distance Function）において、テクスチャのない領域や遮蔽（オクルージョン）がある場合に発生する「不確実性」を考慮した学習フレームワーク。画像から直接幾何形状を復元する際の曖昧さを、不確実性としてモデル化することで、より正確な形状復元を可能にした。
なぜ注目すべきか（スコア内訳を数字で） 合計スコア93.00点。cvFactorが85点。3D再構成における「精度」と「信頼性」の問題は、デジタルツインやロボティクスへの応用において避けては通れない課題であり、その解決策を提示している。
関連リンク arXiv | Hugging Face
第4位〜第10位 クイックレビュー
【第4位】SpatialCrafter: Single Image World Modeling with Generative 3D Proxies 単一の画像から、探索可能な3Dシーン（ワールド）を生成する技術。動画生成モデルを活用し、不完全な条件付けからでも高品質な3Dプロキシを生成できる。GitHub Star 27とコミュニティの関心も高い。 関連リンク arXiv | Hugging Face | GitHub
【第5位】Glass Surface Detection Grounded in 3D Visual Geometry 透明なガラス表面の検出（GSD）に、3Dの幾何学的情報を活用する手法。従来の2D的な外見情報だけでは困難だった、反射や透明性を持つ物体の認識精度を向上させている。 関連リンク arXiv | Hugging Face | GitHub
【第6位】SiZeUp: Fast 3D Proxy from Aerial Images via Depth Ordinal Loss 空撮画像から大規模な都市部の3Dプロキシモデルを高速に構築する手法。高さ情報を最適化問題として扱うことで、計算コストを抑えつつスケーラブルなモデル化を実現している。 関連リンク arXiv | Hugging Face
【第7位】CGS-SLAM: Collaborative Gaussian Splatting based SLAM for Multi-Agent Reconstruction 複数のエージェントが協力して3DGSを用いた再構成を行う、協調型SLAM。RGB-Dカメラがなくても、一般的なスマートフォン等のRGB画像のみでフォトリアルな再構成を可能にする。 関連リンク arXiv | Hugging Face
【第8位】Comparative Evaluation of 3D Reconstruction Methods for Immersive Visualization of Laboratory Objects 実験用オブジェクトのホログラフィック表示に向け、フォトグラメトリやNeRFなどの3D再構成手法を比較評価。教育現場での実用性を視野に入れた実践的な研究。 関連リンク arXiv | Hugging Face
【第9位】4DGS-WAM: Bridging Past and Future with an Object-Centric World Action Model based on 4D Gaussian Splatting 4D Gaussian Splatting（時系列3DGS）を用いた、物体中心のワールドアクションモデル。2Dデータでは困難だった、物体の空間構造を維持したまま未来の動きを予測する試み。 関連リンク arXiv | Hugging Face
【第10位】Learning Spherical Occupancy Profiles for Multi-View 3D Reconstruction and Generation 3D Gaussian再構成から得られる「球状占有プロファイル」を、3D再構成と生成の両方に使える統一的な中間表現として定義。再構成と生成の境界を繋ぐ重要なステップ。 関連リンク arXiv | Hugging Face
編集後記
今週のラインナップを眺めていて強く感じるのは、**「生成AIが物理法則や幾何学的な正しさを理解し始めた」**ということだ。これまでの生成AIは「それらしく見える」絵を作ることに長けていたが、今や研究の焦点は「そこに物体が存在し、正しく3D空間として成立しているか」という、より厳格なリアリティへと移っている。Spatial Computingの未来は、単なる「映像」の進化ではなく、デジタル空間における「存在の定義」の進化そのものなのだ。