論文の概要: Clustering of the Blendshape Facial Model

• arxiv url: http://arxiv.org/abs/2110.15313v1
• Date: Tue, 5 Oct 2021 07:39:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-31 11:12:27.397978
• Title: Clustering of the Blendshape Facial Model
• Title（参考訳）: ブレンドシェープ顔モデルのクラスタリング
• Authors: Stevo Rackovi\'c, Cl\'audia Soares, Du\v{s}an Jakoveti\'c, Zoranka Desnica and Relja Ljubobratovi\'c
• Abstract要約: デジタル人間のアニメーションは、人間の顔の高品質な3Dモデルに依存している。 本稿では,逆リグパラメータを精度の向上と計算コストの削減で学習するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Digital human animation relies on high-quality 3D models of the human face -- rigs. A face rig must be accurate and, at the same time, fast to compute. One of the most common rigging models is the blendshape model. We present a novel approach for learning the inverse rig parameters at increased accuracy and decreased computational cost at the same time. It is based on a two-fold clustering of the blendshape face model. Our method focuses exclusively on the underlying space of deformation and produces clusters in both the mesh space and the controller space -- something that was not investigated in previous literature. This segmentation finds intuitive and meaningful connections between groups of vertices on the face and deformation controls, and further these segments can be observed independently. A separate model for solving the inverse rig problem is then learned for each segment. Our method is completely unsupervised and highly parallelizable.
• Abstract（参考訳）: デジタルヒューマンアニメーションは、人間の顔-rigの高品質な3Dモデルに依存している。 フェイスリグは正確でなければならず、同時に高速に計算できる。 最も一般的なリギングモデルのひとつがblendshapeモデルである。 本稿では,逆リグパラメータを精度良く学習し,同時に計算コストを低減させる新しい手法を提案する。 blendshape の顔モデルの2倍のクラスタリングに基づいている。 提案手法は,変形の基盤となる空間にのみ焦点をあて,メッシュ空間とコントローラ空間の両方にクラスタを生成する。 このセグメンテーションは、顔上の頂点群と変形制御の間の直感的かつ有意義な接続を見つけ、さらにこれらのセグメンテーションを独立に観察することができる。 逆リグ問題を解決するための別のモデルが各セグメントで学習される。 本手法は完全に教師なしかつ高度に並列化可能である。

関連論文リスト

• Decaf: Monocular Deformation Capture for Face and Hand Interactions [77.75726740605748]
  本稿では,単眼のRGBビデオから人間の顔と対話する人間の手を3Dで追跡する手法を提案する。 動作中の非剛性面の変形を誘発する定形物体として手をモデル化する。 本手法は,マーカーレスマルチビューカメラシステムで取得した現実的な顔変形を伴う手動・インタラクションキャプチャーデータセットに頼っている。
  論文  参考訳（メタデータ） (2023-09-28T17:59:51Z)
• DSFNet: Dual Space Fusion Network for Occlusion-Robust 3D Dense Face Alignment [34.223372986832544]
  最先端の3DMMベースの手法は、モデルの係数を直接回帰する。 本稿では,画像とモデル空間予測の両方の利点を組み合わせた融合ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T08:43:37Z)
• Implicit Neural Head Synthesis via Controllable Local Deformation Fields [12.191729556779972]
  我々は,大域的変形場を局所的に分解する部分的暗黙的形状モデルを構築した。 我々の新しい定式化は、3DMMに基づくパラメータによる局所的な意味的リグ様制御を伴う複数の暗黙的変形場をモデル化する。 我々の定式化は、従来の暗黙単分子アプローチよりも、局所的に制御可能な非線形変形をよりシャープに表現する。
  論文  参考訳（メタデータ） (2023-04-21T16:35:28Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• Sphere Face Model:A 3D Morphable Model with Hypersphere Manifold Latent Space [14.597212159819403]
  形状の忠実度とアイデンティティの整合性を両立できる単眼顔再構成のための新しい3DMMを提案する。 SFMのコアは3次元顔形状の再構成に使用できる基底行列である。 忠実な顔の形状を生成し、その形状は単眼の顔の復元において挑戦的な条件で一致している。
  論文  参考訳（メタデータ） (2021-12-04T04:28:53Z)
• Accurate, Interpretable, and Fast Animation: AnIterative, Sparse, and Nonconvex Approach [0.9176056742068814]
  フェイスリグは正確でなければならないと同時に、その問題を解決するために高速に計算する必要がある。 各共通アニメーションモデルのパラメータの1つは、スパーシティ正規化である。 複雑性を低減するため、パラダイム・プライマリゼーション・ミニ(MM)が適用される。
  論文  参考訳（メタデータ） (2021-09-17T05:42:07Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• Monocular Real-time Full Body Capture with Inter-part Correlations [66.22835689189237]
  本稿では,体と手の形状と運動を1色画像から動的3次元顔モデルと共に推定する,実時間フルボディキャプチャの最初の手法を提案する。 提案手法では,体と手の相関を高い計算効率で活用する新しいニューラルネットワークアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2020-12-11T02:37:56Z)
• Combining Implicit Function Learning and Parametric Models for 3D Human Reconstruction [123.62341095156611]
  深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。 このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。 詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:46:14Z)
• JNR: Joint-based Neural Rig Representation for Compact 3D Face Modeling [22.584569656416864]
  関節型顔リグとニューラルスキンネットワークを用いた3次元顔モデル学習手法を提案する。 結合型表現のおかげで、我々のモデルは以前のブレンドシェープモデルよりもいくつかの大きな利点を享受できる。
  論文  参考訳（メタデータ） (2020-07-14T01:21:37Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。