論文の概要: Wish You Were Here: Context-Aware Human Generation
- arxiv url: http://arxiv.org/abs/2005.10663v1
- Date: Thu, 21 May 2020 14:09:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 23:22:25.393807
- Title: Wish You Were Here: Context-Aware Human Generation
- Title（参考訳）: あなたがここにいることを願う - コンテキストを意識した人間世代
- Authors: Oran Gafni, Lior Wolf
- Abstract要約: 本稿では,既存の画像にオブジェクト,特に人間を挿入する新しい手法を提案する。
本手法では, 現場の他の人物のポーズを考慮し, まず, 新たな人物のセマンティックマップを生成する。
第2のネットワークは、複数の外観成分の仕様に基づいて、新規人物とそのブレンディングマスクの画素を描画する。
第3のネットワークは、対象者の顔と一致するように生成された顔を洗練する。
- 参考スコア（独自算出の注目度）: 100.51309746913512
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel method for inserting objects, specifically humans, into
existing images, such that they blend in a photorealistic manner, while
respecting the semantic context of the scene. Our method involves three
subnetworks: the first generates the semantic map of the new person, given the
pose of the other persons in the scene and an optional bounding box
specification. The second network renders the pixels of the novel person and
its blending mask, based on specifications in the form of multiple appearance
components. A third network refines the generated face in order to match those
of the target person. Our experiments present convincing high-resolution
outputs in this novel and challenging application domain. In addition, the
three networks are evaluated individually, demonstrating for example, state of
the art results in pose transfer benchmarks.
- Abstract（参考訳）: 本研究では、シーンの意味的文脈を尊重しつつ、オブジェクト、特に人間を光現実的な方法でブレンドするように、既存の画像に挿入する新しい手法を提案する。
本手法は3つのサブネットワークから構成される: シーン内の他の人物のポーズとオプションのバウンディングボックス仕様を考慮し、最初の人物のセマンティックマップを生成する。
第2のネットワークは、複数の外観成分の仕様に基づいて、新規の人物とそのブレンディングマスクのピクセルをレンダリングする。
第3のネットワークは、対象者の顔と一致するように生成された顔を洗練する。
この新奇で挑戦的なアプリケーション領域における高解像度な出力を実証する実験を行った。
さらに、3つのネットワークを個別に評価し、例えば、ポーズ転送ベンチマークにおける技術結果の状況を示す。
関連論文リスト
- Learning Complex Non-Rigid Image Edits from Multimodal Conditioning [18.500715348636582]
我々は、与えられた人間(具体的には人の1つのイメージ)を新しいシーンに挿入することに集中する。
安定拡散の上に構築された本手法は,テキストとポーズを高度に制御し,自然な画像を生成する。
身元保存は「夢中」の場面、特に人と物体が相互作用する場面において、より困難な課題であることを示す。
論文 参考訳（メタデータ） (2024-12-13T15:41:08Z) - Single Image, Any Face: Generalisable 3D Face Generation [59.9369171926757]
我々は,制約のない単一画像入力を伴う3次元顔を生成する新しいモデルGen3D-Faceを提案する。
私たちの知る限りでは、これは1枚の画像からフォトリアリスティックな3D顔アバターを作るための最初の試みであり、ベンチマークである。
論文 参考訳（メタデータ） (2024-09-25T14:56:37Z) - Text2Place: Affordance-aware Text Guided Human Placement [26.041917073228483]
この研究は、textbfSemantic Human Placementと呼ばれる背景シーンにおける現実的な人間の挿入の問題に取り組む。
セマンティックマスクの学習には,テキストから画像への生成モデルから学習したリッチなオブジェクトシーンの先行情報を活用する。
提案手法は,背景と被写体を保存しながら,リアルなシーン構成を生成することができる。
論文 参考訳（メタデータ） (2024-07-22T08:00:06Z) - HR Human: Modeling Human Avatars with Triangular Mesh and High-Resolution Textures from Videos [52.23323966700072]
本研究では,モノクロ映像から高精細な物理材料テクスチャとメッシュを付加したアバターの取得のための枠組みを提案する。
本手法では,モノクロ映像からの情報を組み合わせて仮想多視点画像の合成を行う新しい情報融合方式を提案する。
実験により, 提案手法は, 高忠実度で従来の表現よりも優れており, この明示的な結果は共通三角形への展開をサポートすることが示された。
論文 参考訳（メタデータ） (2024-05-18T11:49:09Z) - Semantically Consistent Person Image Generation [18.73832646369506]
文脈認識型人物画像生成のためのデータ駆動型アプローチを提案する。
本手法では,生成した人物の位置,規模,外観を,現場の既存人物に対して意味的に条件付けする。
論文 参考訳（メタデータ） (2023-02-28T16:34:55Z) - UMFuse: Unified Multi View Fusion for Human Editing applications [36.94334399493266]
複数のソース画像からポーズキーポイントとテクスチャを取り出すマルチビュー融合ネットワークを設計する。
提案した2つのタスク - マルチビューヒューマンリポジトリとMix&Matchヒューマンイメージ生成 - に対するネットワークの適用について述べる。
論文 参考訳（メタデータ） (2022-11-17T05:09:58Z) - Scene Aware Person Image Generation through Global Contextual Conditioning [18.73832646369506]
本稿では,既存のシーンに関連性のある人物画像を生成し挿入するための新しいパイプラインを提案する。
より具体的には、挿入されている人物の位置、ポーズ、規模がシーン内の既存の人物と混ざり合うように挿入することを目的としている。
論文 参考訳（メタデータ） (2022-06-06T16:18:15Z) - NeuralReshaper: Single-image Human-body Retouching with Deep Neural
Networks [50.40798258968408]
本稿では,深部生成ネットワークを用いた単一画像における人体の意味的再構成手法であるNeuralReshaperを提案する。
われわれのアプローチは、まずパラメトリックな3次元人間モデルと元の人間の画像とを適合させるフィッティング・セイン・リフォーム・パイプラインに従う。
ペアデータが存在しないデータ不足に対処するために,ネットワークをトレーニングするための新たな自己教師型戦略を導入する。
論文 参考訳（メタデータ） (2022-03-20T09:02:13Z) - Learned Spatial Representations for Few-shot Talking-Head Synthesis [68.3787368024951]
複数発話頭合成のための新しいアプローチを提案する。
この異方性表現は,従来の手法よりも大幅に改善されることを示す。
論文 参考訳（メタデータ） (2021-04-29T17:59:42Z) - Holistic 3D Scene Understanding from a Single Image with Implicit
Representation [112.40630836979273]
単一の画像から全体的3Dシーン理解のための新しいパイプラインを提示する。
画像に基づく局所構造化暗黙ネットワークを提案し,物体形状推定を改善する。
また,新たな暗黙的なシーングラフニューラルネットワークを用いて3dオブジェクトのポーズとシーンレイアウトを洗練する。
論文 参考訳（メタデータ） (2021-03-11T02:52:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。