Fugu-MT 論文翻訳(概要): VoLux-GAN: A Generative Model for 3D Face Synthesis with HDRI Relighting

論文の概要: VoLux-GAN: A Generative Model for 3D Face Synthesis with HDRI Relighting

arxiv url: http://arxiv.org/abs/2201.04873v1
Date: Thu, 13 Jan 2022 10:36:16 GMT
ステータス: 処理完了
システム内更新日: 2022-01-14 13:53:07.335207
Title: VoLux-GAN: A Generative Model for 3D Face Synthesis with HDRI Relighting
Title（参考訳）: VoLux-GAN:HDRIリライトを用いた3次元顔合成生成モデル
Authors: Feitong Tan, Sean Fanello, Abhimitra Meka, Sergio Orts-Escolano, Danhang Tang, Rohit Pandey, Jonathan Taylor, Ping Tan and Yinda Zhang
Abstract要約: VoLux-GANは、説得力のあるリライトで3D認識顔を合成するための生成フレームワークである。複数の識別器を用いた画像分解過程の監視の重要性を示す。
参考スコア（独自算出の注目度）: 37.33485476419914
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose VoLux-GAN, a generative framework to synthesize 3D-aware faces with convincing relighting. Our main contribution is a volumetric HDRI relighting method that can efficiently accumulate albedo, diffuse and specular lighting contributions along each 3D ray for any desired HDR environmental map. Additionally, we show the importance of supervising the image decomposition process using multiple discriminators. In particular, we propose a data augmentation technique that leverages recent advances in single image portrait relighting to enforce consistent geometry, albedo, diffuse and specular components. Multiple experiments and comparisons with other generative frameworks show how our model is a step forward towards photorealistic relightable 3D generative models.
Abstract（参考訳）: 提案するVoLux-GANは,3D認識顔を説得力のあるリライトで合成する生成フレームワークである。本研究の主な貢献は, 所望のHDR環境マップに対して, 3次元線に沿ってアルベド, 拡散, 分光光の寄与を効率よく蓄積できるボリュームHDRI照明法である。さらに,複数の識別器を用いた画像分解過程の監視の重要性を示す。特に,単一画像のポートレートライトの最近の進歩を活かし,一貫した幾何,アルベド,拡散,スペキュラ成分を強制するデータ拡張手法を提案する。複数の実験と他の生成フレームワークとの比較は、我々のモデルがフォトリアリスティックな3d生成モデルへの一歩であることを示す。

関連論文リスト

Lite2Relight: 3D-aware Single Image Portrait Relighting [87.62069509622226]
Lite2Relightは、肖像画の3D一貫性のある頭部ポーズを予測できる新しいテクニックだ。事前学習した幾何認識エンコーダと特徴アライメントモジュールを利用することで、入力画像を3D空間にマッピングする。これには、髪、目、表情を含むフルヘッドの3D一貫性のある結果が含まれる。
論文参考訳（メタデータ） (2024-07-15T07:16:11Z)
UltrAvatar: A Realistic Animatable 3D Avatar Diffusion Model with Authenticity Guided Textures [80.047065473698]
幾何学の忠実度を高めたUltrAvatarと呼ばれる新しい3次元アバター生成手法を提案し,光を必要とせずに物理ベースレンダリング(PBR)テクスチャの質を向上する。提案手法の有効性とロバスト性を実証し,実験において最先端の手法よりも高い性能を示した。
論文参考訳（メタデータ） (2024-01-20T01:55:17Z)
UniDream: Unifying Diffusion Priors for Relightable Text-to-3D Generation [101.2317840114147]
We present UniDream, a text-to-3D generation framework by integration priors。提案手法は,(1)アルベド正規配位型多視点拡散・再構成モデルを得るための2相学習プロセス,(2)訓練された再構成・拡散モデルを用いたスコア蒸留サンプル(SDS)に基づく幾何およびアルベドテクスチャのプログレッシブ生成手順,(3)安定拡散モデルに基づく固定アルベドを保ちながらPBR生成を確定するSDSの革新的な応用,の3つからなる。
論文参考訳（メタデータ） (2023-12-14T09:07:37Z)
CAD: Photorealistic 3D Generation via Adversarial Distillation [28.07049413820128]
本稿では,事前学習した拡散モデルを用いた3次元合成のための新しい学習パラダイムを提案する。提案手法は,1つの画像に条件付された高忠実かつ光リアルな3Dコンテンツの生成を解放し,プロンプトを行う。
論文参考訳（メタデータ） (2023-12-11T18:59:58Z)
Learning Detailed Radiance Manifolds for High-Fidelity and 3D-Consistent Portrait Synthesis from Monocular Image [17.742602375370407]
単眼のポートレート画像の新規なビュー合成における重要な課題は、連続的なポーズ変動の下での3次元の一貫性である。提案する3D-Aware GANに基づく単眼画像に対する3D一貫性のある新規ビュー合成手法を提案する。
論文参考訳（メタデータ） (2022-11-25T05:20:04Z)
3D-GIF: 3D-Controllable Object Generation via Implicit Factorized Representations [31.095503715696722]
本稿では、ビュー非依存かつ光異方性のある因子化表現と、ランダムにサンプリングされた光条件によるトレーニングスキームを提案する。因子化表現,再照明画像,アルベドテクスチャメッシュを可視化することで,本手法の優位性を実証する。これは、追加のラベルや仮定なしで、未提示の2Dイメージでアルベドテクスチャメッシュを抽出する最初の作業である。
論文参考訳（メタデータ） (2022-03-12T15:23:17Z)
A Shading-Guided Generative Implicit Model for Shape-Accurate 3D-Aware Image Synthesis [163.96778522283967]
そこで本研究では,シェーディング誘導型生成暗黙モデルを提案する。正確な3D形状は、異なる照明条件下でリアルなレンダリングをもたらす必要がある。複数のデータセットに対する実験により,提案手法が光リアルな3次元画像合成を実現することを示す。
論文参考訳（メタデータ） (2021-10-29T10:53:12Z)
Learning Indoor Inverse Rendering with 3D Spatially-Varying Lighting [149.1673041605155]
1枚の画像からアルベド, 正常, 深さ, 3次元の空間的変化を共同で推定する問題に対処する。既存のほとんどの方法は、シーンの3D特性を無視して、画像から画像への変換としてタスクを定式化する。本研究では3次元空間変動照明を定式化する統合学習ベースの逆フレームワークを提案する。
論文参考訳（メタデータ） (2021-09-13T15:29:03Z)
GRAF: Generative Radiance Fields for 3D-Aware Image Synthesis [43.4859484191223]
近年,単一シーンの新規なビュー合成に成功している放射場生成モデルを提案する。マルチスケールのパッチベース判別器を導入し,非姿勢の2次元画像からモデルを訓練しながら高解像度画像の合成を実演する。
論文参考訳（メタデータ） (2020-07-05T20:37:39Z)

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。