論文の概要: Neural Human Deformation Transfer

• arxiv url: http://arxiv.org/abs/2109.01588v1
• Date: Fri, 3 Sep 2021 15:51:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-06 15:23:59.711554
• Title: Neural Human Deformation Transfer
• Title（参考訳）: ニューラルヒトの変形伝達
• Authors: Jean Basset and Adnane Boukhayma and Stefanie Wuhrer and Franck Multon and Edmond Boyer
• Abstract要約: 人間の変形伝達の問題は、異なるキャラクター間でのポーズの再ターゲティングが目的である。 我々は異なるアプローチをとり、キャラクターのポーズを変更することなく、キャラクターのアイデンティティを新しいアイデンティティに変換する。 本研究では,本手法が定量的かつ定性的に,最先端の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 26.60034186410921
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of human deformation transfer, where the goal is to retarget poses between different characters. Traditional methods that tackle this problem require a clear definition of the pose, and use this definition to transfer poses between characters. In this work, we take a different approach and transform the identity of a character into a new identity without modifying the character's pose. This offers the advantage of not having to define equivalences between 3D human poses, which is not straightforward as poses tend to change depending on the identity of the character performing them, and as their meaning is highly contextual. To achieve the deformation transfer, we propose a neural encoder-decoder architecture where only identity information is encoded and where the decoder is conditioned on the pose. We use pose independent representations, such as isometry-invariant shape characteristics, to represent identity features. Our model uses these features to supervise the prediction of offsets from the deformed pose to the result of the transfer. We show experimentally that our method outperforms state-of-the-art methods both quantitatively and qualitatively, and generalises better to poses not seen during training. We also introduce a fine-tuning step that allows to obtain competitive results for extreme identities, and allows to transfer simple clothing.
• Abstract（参考訳）: 我々は, 異なる文字間のポーズを目標として, 変形移動の問題を考える。 この問題に対処する伝統的な方法は、ポーズを明確に定義し、この定義を使用して文字間でポーズを転送する。 本研究では、異なるアプローチを採り、キャラクタの姿勢を変更することなく、キャラクタのアイデンティティを新たなアイデンティティに変換する。 これは、3dのポーズ間の等価性を定義する必要がないという利点を提供するが、これは、ポーズがそれらを実行するキャラクタのアイデンティティによって変わる傾向があり、その意味が高度に文脈的であるため、単純ではない。 変形伝達を実現するために,識別情報のみを符号化し,デコーダをポーズに条件付けするニューラルエンコーダデコーダアーキテクチャを提案する。 同一性を表すために等長不変な形状特性などのポーズ独立表現を用いる。 我々のモデルはこれらの特徴を用いて、変形したポーズから転送結果へのオフセットの予測を監督する。 本手法は, 量的, 質的にともに最先端の手法を上回っており, トレーニング中に見ないポーズを一般化できることを実験的に示す。 また,極端なアイデンティティの競争結果を得るための微調整ステップを導入し,シンプルな衣服の移動を可能にした。

関連論文リスト

• Neural Pose Representation Learning for Generating and Transferring Non-Rigid Object Poses [11.614034196935899]
  本稿では,3次元変形可能なオブジェクトに対するポーズの表現を学習するための新しい手法を提案する。 1)オブジェクトの同一性からポーズ情報を遠ざけること、2)ポーズのバリエーションの学習を容易にすること、3)他のオブジェクトの同一性にポーズ情報を転送すること。 これらの特性に基づいて, 同一性およびポーズの多様性を有する3次元変形可能な物体の生成を可能にする。
  論文  参考訳（メタデータ） (2024-06-14T05:33:01Z)
• Disentangling Identity and Pose for Facial Expression Recognition [54.50747989860957]
  より識別的な特徴表現を学習するために,識別モデルを提案し,不整形表情認識(IPD-FER)モデルを提案する。 アイデンティティエンコーダでは、訓練中に訓練済みの顔認識モデルを利用して固定し、特定の表情訓練データに対する制限を軽減する。 合成された中性画像と同一個体の表情画像との差を比較することにより、表現成分はアイデンティティやポーズからさらに切り離される。
  論文  参考訳（メタデータ） (2022-08-17T06:48:13Z)
• Skeleton-free Pose Transfer for Stylized 3D Characters [53.33996932633865]
  骨格リグを使わずにスタイリングされた3D文字間でポーズを自動転送する最初の方法を提案する。 そこで本稿では,対象キャラクターを目的のポーズに合わせるために,キャラクタのスキニング重みと変形変形を共同で予測する新しいポーズ伝達ネットワークを提案する。 提案手法は,既存の文字データを一対のポーズとスタイル化された形状で吸収する半教師付き方式で訓練されている。
  論文  参考訳（メタデータ） (2022-07-28T20:05:57Z)
• Pose-driven Attention-guided Image Generation for Person Re-Identification [39.605062525247135]
  複数人のポーズを生成するために,エンドツーエンドのポーズ駆動型ジェネレーション対人ネットワークを提案する。 ポーズ転送中の人のセマンティック情報を保存するためにセマンティック一貫性損失が提案される。 提案手法を人物再識別フレームワークに組み込むことにより,リアルなポーズ転送画像と最先端の再識別結果を実現できることを示した。
  論文  参考訳（メタデータ） (2021-04-28T14:02:24Z)
• Pose Invariant Person Re-Identification using Robust Pose-transformation GAN [11.338815177557645]
  人物再識別(re-ID)は、興味ある人物の単一の事例から、画像ギャラリーから人物の画像を検索することを目的としている。 いくつかの進歩にもかかわらず、ロバストな人物再同定のための識別的アイデンティティ感と視点不変特徴の学習は、人間のポーズの変化が大きいため、大きな課題である。 本稿では,ポーズ回帰と特徴融合を組み合わせた生成逆数ネットワークの画像生成機能を利用して,ポーズ不変な特徴学習を実現するre-IDパイプラインを提案する。
  論文  参考訳（メタデータ） (2021-04-11T15:47:03Z)
• Progressive and Aligned Pose Attention Transfer for Person Image Generation [59.87492938953545]
  本稿では,ある人物のポーズを対象のポーズに移す,新たなポーズ移動のための生成的広告ネットワークを提案する。 Pose-Attentional Transfer Block (PATB) と Aligned Pose-Attentional Transfer Bloc (APATB) の2種類のブロックを使用します。 Market-1501およびDeepFashionデータセットにおけるモデルの有効性を定量的および定性測定を用いて検証する。
  論文  参考訳（メタデータ） (2021-03-22T07:24:57Z)
• PoNA: Pose-guided Non-local Attention for Human Pose Transfer [105.14398322129024]
  本稿では, 簡易ブロックを用いたGAN(Generative Adversarial Network)を用いた新しいポーズ転送手法を提案する。 我々のモデルはより鮮明でよりリアルな画像を生成するが、パラメータは少なく、速度も速い。
  論文  参考訳（メタデータ） (2020-12-13T12:38:29Z)
• Human Pose Transfer by Adaptive Hierarchical Deformation [24.70009597455219]
  階層的変形レベルが2つある適応型ポーズ転送ネットワークを提案する。 最初のレベルは、ターゲットポーズに沿った人間の意味解析を生成します。 第2のレベルは、セマンティックガイダンスでターゲットポーズにおける最終テクスチャ化された人物画像を生成する。
  論文  参考訳（メタデータ） (2020-12-13T01:49:26Z)
• Pose-Guided Human Animation from a Single Image in the Wild [83.86903892201656]
  身体ポーズのシーケンスによって制御される人の単一の画像から人間のアニメーションを合成するための新しいポーズ転送方法を提案する。 既存のポーズ転送手法は、新しいシーンに適用する際に重要な視覚的アーティファクトを示す。 我々は,シルエット,衣料ラベル,テクスチャを予測する合成ニューラルネットワークを設計した。 我々は、テスト現場でネットワークを微調整することなく、時間的に一貫した方法で人物のアイデンティティと外観を保存できる人間のアニメーションを合成することができる。
  論文  参考訳（メタデータ） (2020-12-07T15:38:29Z)
• Neural Pose Transfer by Spatially Adaptive Instance Normalization [73.04483812364127]
  本稿では,最新の画像スタイル転送技術を用いてポーズ転送を解く,最初のニューラルポーズ転送モデルを提案する。 私たちのモデルは、ソースとターゲットメッシュ間の通信を一切必要としません。 実験により, 提案モデルでは, 対象メッシュへの変形を効果的に伝達することができ, 未確認の同一性やメッシュのポーズに対処できる優れた一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2020-03-16T14:33:59Z)

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。