論文の概要: 3DBooSTeR: 3D Body Shape and Texture Recovery

• arxiv url: http://arxiv.org/abs/2010.12670v1
• Date: Fri, 23 Oct 2020 21:07:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:28:21.868638
• Title: 3DBooSTeR: 3D Body Shape and Texture Recovery
• Title（参考訳）: 3dbooster:3dボディ形状とテクスチャ回復
• Authors: Alexandre Saint, Anis Kacem, Kseniya Cherenkova, Djamila Aouada
• Abstract要約: 3DBooSTeRは、部分的な3Dスキャンからテクスチャ化された3Dボディメッシュを復元する新しい方法である。 提案手法は形状とテクスチャの完成を2つの逐次的なタスクに分解する。
• 参考スコア（独自算出の注目度）: 76.91542440942189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose 3DBooSTeR, a novel method to recover a textured 3D body mesh from a textured partial 3D scan. With the advent of virtual and augmented reality, there is a demand for creating realistic and high-fidelity digital 3D human representations. However, 3D scanning systems can only capture the 3D human body shape up to some level of defects due to its complexity, including occlusion between body parts, varying levels of details, shape deformations and the articulated skeleton. Textured 3D mesh completion is thus important to enhance 3D acquisitions. The proposed approach decouples the shape and texture completion into two sequential tasks. The shape is recovered by an encoder-decoder network deforming a template body mesh. The texture is subsequently obtained by projecting the partial texture onto the template mesh before inpainting the corresponding texture map with a novel approach. The approach is validated on the 3DBodyTex.v2 dataset.
• Abstract（参考訳）: 本研究では,テクスチャ付き部分3dスキャンからテクスチャ付き3dボディメッシュを回収する新しい手法である3dboosterを提案する。 バーチャルリアリティーと拡張現実(AR)の出現により、現実的で高忠実なデジタル3D表現の創造が求められている。 しかし、3Dスキャンシステムは、体の部分の閉塞、細部の変化、形状の変形、関節の骨格など、その複雑さのために、あるレベルの欠陥まで3Dの人体形状を捉えることができる。 したがって、テクスチャ付き3Dメッシュ補完は、3D取得を強化するために重要である。 提案手法は, 形状とテクスチャの完成度を2つの逐次タスクに分離する。 テンプレート本体メッシュを変形するエンコーダ−デコーダネットワークにより形状を復元する。 その後、対応するテクスチャマップに新しいアプローチを施す前に、部分テクスチャをテンプレートメッシュに投影してテクスチャを得る。 このアプローチは3DBodyTex.v2データセットで検証されている。

関連論文リスト

• 3DTextureTransformer: Geometry Aware Texture Generation for Arbitrary Mesh Topology [1.4349415652822481]
  3Dメッシュと実世界の2D画像の集合が与えられた新しい3Dメッシュのテクスチャを生成することを学ぶことは、3Dシミュレーション、拡張現実、仮想現実、ゲーム、アーキテクチャ、デザインなど、さまざまな領域のアプリケーションにとって重要な問題である。 既存のソリューションは、高品質なテクスチャを生成したり、元の高解像度の入力メッシュトポロジを正規のグリッドに変形させたりすることで、この生成を容易にするが、元のメッシュトポロジを失う。 本稿では,3DTextureTransformerという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-07T05:01:07Z)
• En3D: An Enhanced Generative Model for Sculpting 3D Humans from 2D Synthetic Data [36.51674664590734]
  本研究では,高品質な3次元アバターの小型化を図ったEn3Dを提案する。 従来の3Dデータセットの不足や、視角が不均衡な限られた2Dコレクションと異なり、本研究の目的は、ゼロショットで3D人間を作れる3Dの開発である。
  論文  参考訳（メタデータ） (2024-01-02T12:06:31Z)
• ARTIC3D: Learning Robust Articulated 3D Shapes from Noisy Web Image Collections [71.46546520120162]
  単眼画像から動物体のような3D関節形状を推定することは、本質的に困難である。 本稿では,スパース画像コレクションから各物体の形状を再構築する自己教師型フレームワークARTIC3Dを提案する。 我々は、剛性部分変換の下で、描画された形状とテクスチャを微調整することで、現実的なアニメーションを作成する。
  論文  参考訳（メタデータ） (2023-06-07T17:47:50Z)
• Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
  StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。 対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。 本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T18:49:50Z)
• TSCom-Net: Coarse-to-Fine 3D Textured Shape Completion Network [14.389603490486364]
  3次元部分的テクスチャスキャンから3次元の人体形状を再構築することは、多くのコンピュータビジョンやグラフィックスアプリケーションにとって基本的な課題である。 本稿では,3次元体形状と高分解能テクスチャ補完のためのニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-18T11:06:10Z)
• Texturify: Generating Textures on 3D Shape Surfaces [34.726179801982646]
  本研究では3次元入力のテクスチャを予測する3次元形状を学習するためにTexturifyを提案する。 本手法では,3Dオブジェクトの学習に3Dカラー管理は不要である。
  論文  参考訳（メタデータ） (2022-04-05T18:00:04Z)
• 3DStyleNet: Creating 3D Shapes with Geometric and Texture Style Variations [81.45521258652734]
  本稿では,3次元オブジェクトの幾何学的・テクスチャ的バリエーションを多用する手法を提案する。 提案手法は,多くの新しいスタイルの形状を作成でき,その結果,無駄な3Dコンテンツ作成とスタイルウェアデータ拡張を実現している。
  論文  参考訳（メタデータ） (2021-08-30T02:28:31Z)
• Deep Hybrid Self-Prior for Full 3D Mesh Generation [57.78562932397173]
  本稿では,深部ニューラルネットワークにおける2D-3Dのハイブリッドな自己優先性を利用して,幾何学的品質を著しく向上する手法を提案する。 特に,まず3次元自己優先型3次元畳み込みニューラルネットワークを用いて初期メッシュを生成し,次いで2次元紫外線アトラスに3次元情報と色情報をエンコードする。 本手法は,スパース入力から高品質な3次元テクスチャメッシュモデルを復元し,テクスチャ品質とテクスチャ品質の両面で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-08-18T07:44:21Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)

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。