論文の概要: Accurate Face Rig Approximation with Deep Differential Subspace Reconstruction

• arxiv url: http://arxiv.org/abs/2006.01746v2
• Date: Tue, 18 Aug 2020 03:41:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 01:13:54.599150
• Title: Accurate Face Rig Approximation with Deep Differential Subspace Reconstruction
• Title（参考訳）: 深部差分部分空間再構成による正確な顔リグ近似
• Authors: Steven L. Song, Weiqi Shi, Michael Reed
• Abstract要約: キャラクタ変形のためのタグは、映画品質のアニメーションに適した幅広い要件を満たす必要がある。 顔の変形は、アニメーション制御と追加の精度要件に対する非線形性のために特に困難である。 差分座標における局所化形状情報とメッシュ再構成のための部分空間を別々に学習することにより,これらの問題に対処するrig近似法を提案する。
• 参考スコア（独自算出の注目度）: 4.254099382808598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To be suitable for film-quality animation, rigs for character deformation must fulfill a broad set of requirements. They must be able to create highly stylized deformation, allow a wide variety of controls to permit artistic freedom, and accurately reflect the design intent. Facial deformation is especially challenging due to its nonlinearity with respect to the animation controls and its additional precision requirements, which often leads to highly complex face rigs that are not generalizable to other characters. This lack of generality creates a need for approximation methods that encode the deformation in simpler structures. We propose a rig approximation method that addresses these issues by learning localized shape information in differential coordinates and, separately, a subspace for mesh reconstruction. The use of differential coordinates produces a smooth distribution of errors in the resulting deformed surface, while the learned subspace provides constraints that reduce the low frequency error in the reconstruction. Our method can reconstruct both face and body deformations with high fidelity and does not require a set of well-posed animation examples, as we demonstrate with a variety of production characters.
• Abstract（参考訳）: フィルム品質のアニメーションに適したキャラクタ変形用リグには,幅広い要件を満たさなければならない。 芸術的な自由を許し、デザイン意図を正確に反映するためには、高度にスタイリングされた変形を生成できなければならない。 顔の変形は、アニメーション制御と追加の精度要件に対する非線形性のために特に困難であり、しばしば他の文字に一般化できない非常に複雑な顔のリグをもたらす。 この一般化の欠如は、単純な構造の変形を符号化する近似法の必要性を生じさせる。 差分座標における局所化形状情報とメッシュ再構成のための部分空間を別々に学習することにより,これらの問題に対処するrig近似法を提案する。 微分座標を用いると、結果として生じる変形面の誤差のスムーズな分布が得られ、学習された部分空間は再構成における低周波誤差を低減する制約を与える。 本手法は, 顔と身体の変形を高い忠実度で再現でき, 様々な生産キャラクタで示すように, うまく配置されたアニメーションの例のセットを必要としない。

関連論文リスト

• ImFace++: A Sophisticated Nonlinear 3D Morphable Face Model with Implicit Neural Representations [25.016000421755162]
  本稿では,暗黙のニューラル表現を持つ高度で連続的な空間を学習するために,ImFace++という新しい3次元顔モデルを提案する。 ImFace++は、まず2つの明示的に歪んだ変形フィールドを構築し、アイデンティティと式に関連する複雑な形状をモデル化する。 さらにテンプレート空間内の精細化変位場が組み込まれ、個々の顔の詳細をきめ細かな学習が可能となる。
  論文  参考訳（メタデータ） (2023-12-07T03:53:53Z)
• SC-GS: Sparse-Controlled Gaussian Splatting for Editable Dynamic Scenes [59.23385953161328]
  動的シーンのための新しいビュー合成は、コンピュータビジョンとグラフィックスにおいて依然として難しい問題である。 本稿では,動的シーンの動作と外観を疎制御点と高密度ガウスに明示的に分解する新しい表現を提案する。 提案手法は,高忠実度な外観を維持しつつ,ユーザ制御のモーション編集を可能にする。
  論文  参考訳（メタデータ） (2023-12-04T11:57:14Z)
• Transfer Learning using Spectral Convolutional Autoencoders on Semi-Regular Surface Meshes [0.966840768820136]
  本稿では,新しいスペクトルCoSMA(Convolutional Semi-Regular Mesh Autoencoder)ネットワークを提案する。 トレーニング中に提示されない表面を再構成し、表面のパッチの変形挙動を一般化する。 未知の形状の転送学習誤差は、データ上で直接学習されたモデルよりも40%低い。
  論文  参考訳（メタデータ） (2022-12-12T10:13:21Z)
• Unbiased 4D: Monocular 4D Reconstruction with a Neural Deformation Model [76.64071133839862]
  モノクロRGBビデオから一般的なデフォーミングシーンをキャプチャすることは、多くのコンピュータグラフィックスや視覚アプリケーションにとって不可欠である。 提案手法であるUb4Dは、大きな変形を処理し、閉塞領域での形状補完を行い、可変ボリュームレンダリングを用いて、単眼のRGBビデオを直接操作することができる。 我々の新しいデータセットの結果は公開され、表面の復元精度と大きな変形に対する堅牢性の観点から、技術の現状が明らかに改善されていることを実証する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:54Z)
• Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
  そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。 提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。 本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
  論文  参考訳（メタデータ） (2022-03-18T01:42:59Z)
• Stochastic Planner-Actor-Critic for Unsupervised Deformable Image Registration [33.72954116727303]
  本稿では,大きく変形する医療画像の段階的登録を行う,新しい強化学習ベースのフレームワークを提案する。 本手法は2次元および3次元の医用画像データセットを用いて評価し,その一部は大きな変形を含む。
  論文  参考訳（メタデータ） (2021-12-14T14:08:56Z)
• Learning Skeletal Articulations with Neural Blend Shapes [57.879030623284216]
  あらかじめ定義された骨格構造を有するエンベロープを用いて3次元文字を表現できるニューラルテクニックを開発している。 我々のフレームワークは、同じ調音構造を持つリグとスキンキャラクタを学習する。 関節領域の変形品質を向上させるニューラルブレンディング形状を提案します。
  論文  参考訳（メタデータ） (2021-05-06T05:58:13Z)
• SCALE: Modeling Clothed Humans with a Surface Codec of Articulated Local Elements [62.652588951757764]
  衣服のモデル化と再構成は、調音性、非剛性変形、衣服の種類や地形の変化などにより困難である。 最近の研究では、ニューラルネットワークを使ってローカルな表面要素をパラメータ化している。 まず、人間の体モデルに基づいて表面要素を変形させます。 第2に,局所的な特徴から局所的な幾何学を回帰させることにより,既存の神経表面要素の制限を解消する。
  論文  参考訳（メタデータ） (2021-04-15T17:59:39Z)
• Deep Deformation Detail Synthesis for Thin Shell Models [47.442883859643004]
  物理ベースの布アニメーションでは、高価な計算リソースと巨大な労働調整のコストで豊富な折り畳みと詳細なしわが達成されます。 我々は,低分解能メッシュから詳細なメッシュへのマッピングを学ぶために,時間的および空間的に整合可能な変形表現(ts-acap)と変形変換ネットワークを開発した。 提案手法は, 物理シミュレーションより1035倍高速で, 既存の手法よりも高精度な合成能力を有する, 様々なフレームレートで, 信頼性の高いリアルなアニメーションを作成できる。
  論文  参考訳（メタデータ） (2021-02-23T08:09:11Z)

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。