論文の概要: Learning Implicit Templates for Point-Based Clothed Human Modeling

• arxiv url: http://arxiv.org/abs/2207.06955v1
• Date: Thu, 14 Jul 2022 14:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-15 14:17:52.622461
• Title: Learning Implicit Templates for Point-Based Clothed Human Modeling
• Title（参考訳）: ポイントベースヒューマンモデリングのための暗黙テンプレートの学習
• Authors: Siyou Lin, Hongwen Zhang, Zerong Zheng, Ruizhi Shao and Yebin Liu
• Abstract要約: 衣服のアバターをモデル化するフレームワークFITEについて述べる。 当社のフレームワークはまず,粗い衣服のトポロジーを表す表面テンプレートを暗黙的に学習する。 我々はテンプレートを用いて点集合の生成をガイドし、シワのようなポーズ依存の衣服の変形をさらに捉えている。
• 参考スコア（独自算出の注目度）: 33.6247548142638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present FITE, a First-Implicit-Then-Explicit framework for modeling human avatars in clothing. Our framework first learns implicit surface templates representing the coarse clothing topology, and then employs the templates to guide the generation of point sets which further capture pose-dependent clothing deformations such as wrinkles. Our pipeline incorporates the merits of both implicit and explicit representations, namely, the ability to handle varying topology and the ability to efficiently capture fine details. We also propose diffused skinning to facilitate template training especially for loose clothing, and projection-based pose-encoding to extract pose information from mesh templates without predefined UV map or connectivity. Our code is publicly available at https://github.com/jsnln/fite.
• Abstract（参考訳）: 衣服のアバターをモデル化するフレームワークである fite について紹介する。 まず,粗い衣服トポロジーを表す暗黙的な表面テンプレートを学習し,その後,そのテンプレートを用いてポイントセットの生成を指導し,さらにシワなどのポーズ依存の衣服変形を捉えた。 私たちのパイプラインには、暗黙的表現と明示的表現の両方の利点、すなわち、様々なトポロジを扱う能力と、詳細を効率的に捉える能力が組み込まれています。 また,ゆるい衣服のテンプレートトレーニングを容易にするための拡散スキンや,予め定義されたUVマップや接続性のないメッシュテンプレートからポーズ情報を抽出するプロジェクションベースのポーズエンコーディングも提案する。 私たちのコードはhttps://github.com/jsnln/fiteで公開されています。

関連論文リスト

• PocoLoco: A Point Cloud Diffusion Model of Human Shape in Loose Clothing [97.83361232792214]
  PocoLocoは、ゆるい服を着た3D人間のための、テンプレートのない、ポイントベースの、ポーズ条件付き生成モデルである。 本研究では,アバター服の変形をデノナイズ拡散フレームワーク内の条件付き点雲生成タスクとして定式化する。 ゆるい服装でさまざまなポーズをとる2人の被験者のデータセットを、合計75K点の雲で公開する。
  論文  参考訳（メタデータ） (2024-11-06T20:42:13Z)
• FreeSeg-Diff: Training-Free Open-Vocabulary Segmentation with Diffusion Models [56.71672127740099]
  我々は,閉鎖語彙データセットのトレーニングモデルによって伝統的に解決されるイメージセグメンテーションの課題に焦点をあてる。 我々は、ゼロショットのオープン語彙セグメンテーションのために、異なる、比較的小さなオープンソース基盤モデルを活用している。 当社のアプローチ(別名FreeSeg-Diff)は、トレーニングに依存しないもので、Pascal VOCとCOCOデータセットの両方で多くのトレーニングベースのアプローチより優れています。
  論文  参考訳（メタデータ） (2024-03-29T10:38:25Z)
• A Two-stage Personalized Virtual Try-on Framework with Shape Control and Texture Guidance [7.302929117437442]
  本稿では,2段階(形状制御とテクスチャガイダンス)を用いて衣服属性を分離する,新しい仮想試行モデル(PE-VITON)を提案する。 提案モデルでは, 衣服の折り畳みの弱さ, 複雑な姿勢下での創出効果の低下, 衣服のぼやけた縁, 従来の試行法では不明瞭なテクスチャスタイルを効果的に解決することができる。
  論文  参考訳（メタデータ） (2023-12-24T13:32:55Z)
• StableVITON: Learning Semantic Correspondence with Latent Diffusion Model for Virtual Try-On [35.227896906556026]
  衣服画像と人物画像が与えられた場合、画像ベースの仮想試行は、衣服画像の特徴を自然に正確に反映した、カスタマイズされた画像を生成することを目的としている。 本研究では,事前学習した拡散モデルの適用性を拡張し,仮想試行作業に独立して利用できるようにすることを目的とする。 提案するゼロ・クロスアテンションブロックは, 意味的対応を学習することで衣服の細部を保存できるだけでなく, ワープ過程における事前学習モデル固有の知識を利用して高忠実度画像を生成する。
  論文  参考訳（メタデータ） (2023-12-04T08:27:59Z)
• CloSET: Modeling Clothed Humans on Continuous Surface with Explicit Template Decomposition [36.39531876183322]
  そこで我々は,明示的な衣服関連テンプレートを分解し,それらにポーズ依存のしわを加えることを提案する。 近年の最先端のポイントベース手法におけるシームアーティファクト問題に対処するために,体表面の点特徴を学習することを提案する。 我々のアプローチは、既存の2つのデータセットと、新しく導入されたデータセットで検証され、見当たらないポーズで服の変形結果が改善された。
  論文  参考訳（メタデータ） (2023-04-06T15:50:05Z)
• Neural Point-based Shape Modeling of Humans in Challenging Clothing [75.75870953766935]
  SMPLのようなパラメトリックな3Dボディモデルは、最小限の衣服だけを表現し、衣服に拡張するのは難しい。 我々は、正準化を学習されたポーズ非依存の「粗い形状」に置き換える粗い段階で点ベースの手法を拡張する。 このアプローチは、身体に適合し、脱落する衣服に対してうまく機能する。
  論文  参考訳（メタデータ） (2022-09-14T17:59:17Z)
• Neural-GIF: Neural Generalized Implicit Functions for Animating People in Clothing [49.32522765356914]
  私たちは、身体のポーズの関数として、服装の人々をアニメーションすることを学びます。 我々は、学習された変形場を非剛性効果のモデルに適用した、空間のすべての点を標準空間にマッピングすることを学ぶ。 ニューラルGIFは生の3Dスキャンに基づいてトレーニングし、詳細な複雑な表面形状と変形を再構築することができる。
  論文  参考訳（メタデータ） (2021-08-19T17:25:16Z)
• SCANimate: Weakly Supervised Learning of Skinned Clothed Avatar Networks [54.94737477860082]
  本論文では,着る人間の生の3Dスキャンをイメージ可能なアバターに変える,エンドツーエンドのトレーニング可能なフレームワークを提案する。 SCANimateはカスタマイズされたメッシュテンプレートや表面メッシュ登録に依存しません。 本手法はポーズ認識型外観モデルに適用でき,完全にテクスチャ化されたアバターを生成できる。
  論文  参考訳（メタデータ） (2021-04-07T17:59:58Z)
• Learning Generative Models of Textured 3D Meshes from Real-World Images [26.353307246909417]
  このようなアノテーションを使わずに,テクスチャ付きトライアングルメッシュを生成するganフレームワークを提案する。 我々のアプローチのパフォーマンスは、基礎となるキーポイントに依存する以前の作業と同等であることを示します。
  論文  参考訳（メタデータ） (2021-03-29T14:07:37Z)

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。