論文の概要: NDF: Neural Deformable Fields for Dynamic Human Modelling
- arxiv url: http://arxiv.org/abs/2207.09193v1
- Date: Tue, 19 Jul 2022 10:55:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 13:08:47.343300
- Title: NDF: Neural Deformable Fields for Dynamic Human Modelling
- Title(参考訳): NDF:動的人体モデリングのためのニューラル・デフォルマブル・フィールド
- Authors: Ruiqi Zhang and Jie Chen
- Abstract要約: マルチビュー映像からの動的人間のデジタル化のための新しい表現であるニューラルデフォルマブルフィールド(NDF)を提案する。
変形場推定で観測空間にリンクする共有正準神経放射場を持つ動的人体を表現するための最近の研究が提案されている。
本稿では、動的人間を表現するために、装着されたパラメトリックボディモデルに包まれた神経変形性フィールドを学習することを提案する。
- 参考スコア(独自算出の注目度): 5.029703921995977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Neural Deformable Fields (NDF), a new representation for dynamic
human digitization from a multi-view video. Recent works proposed to represent
a dynamic human body with shared canonical neural radiance fields which links
to the observation space with deformation fields estimations. However, the
learned canonical representation is static and the current design of the
deformation fields is not able to represent large movements or detailed
geometry changes. In this paper, we propose to learn a neural deformable field
wrapped around a fitted parametric body model to represent the dynamic human.
The NDF is spatially aligned by the underlying reference surface. A neural
network is then learned to map pose to the dynamics of NDF. The proposed NDF
representation can synthesize the digitized performer with novel views and
novel poses with a detailed and reasonable dynamic appearance. Experiments show
that our method significantly outperforms recent human synthesis methods.
- Abstract(参考訳): マルチビュー映像からの動的人間のデジタル化のための新しい表現であるニューラルデフォルマブルフィールド(NDF)を提案する。
変形場推定で観測空間にリンクする共有正準神経放射場を持つ動的人体を表現するための最近の研究が提案されている。
しかし、学習された標準表現は静的であり、変形場の現在の設計は大きな動きや詳細な幾何学的変化を表現できない。
本稿では、動的人間を表現するために、装着されたパラメトリックボディモデルに包まれた神経変形性フィールドを学習することを提案する。
NDFは、下層の基準面によって空間的に整列される。
ニューラルネットワークが学習され、NDFのダイナミックスにポーズをマッピングする。
提案したNDF表現は、デジタル化されたパフォーマーを、詳細で合理的なダイナミックな外観で、新しいビューと新しいポーズで合成することができる。
実験の結果,本手法は近年のヒト合成法よりも優れていた。
関連論文リスト
- Neural Implicit Representations for Physical Parameter Inference from a Single Video [49.766574469284485]
本稿では,外見モデルのためのニューラル暗黙表現と,物理現象をモデル化するためのニューラル常微分方程式(ODE)を組み合わせることを提案する。
提案モデルでは,大規模なトレーニングデータセットを必要とする既存のアプローチとは対照的に,単一のビデオから物理的パラメータを識別することが可能になる。
ニューラル暗示表現を使用することで、高解像度ビデオの処理とフォトリアリスティック画像の合成が可能になる。
論文 参考訳(メタデータ) (2022-04-29T11:55:35Z) - Animatable Implicit Neural Representations for Creating Realistic
Avatars from Videos [63.16888987770885]
本稿では,マルチビュー映像からアニマタブルな人間モデルを構築することの課題について述べる。
線形ブレンドスキンアルゴリズムに基づくポーズ駆動変形場を提案する。
提案手法は,近年の人体モデリング手法よりも大幅に優れていることを示す。
論文 参考訳(メタデータ) (2022-03-15T17:56:59Z) - Learning Multi-Object Dynamics with Compositional Neural Radiance Fields [63.424469458529906]
本稿では,暗黙的オブジェクトエンコーダ,ニューラルレージアンスフィールド(NeRF),グラフニューラルネットワークに基づく画像観測から構成予測モデルを学習する手法を提案する。
NeRFは3D以前の強みから、シーンを表現するための一般的な選択肢となっている。
提案手法では,学習した潜時空間にRTを応用し,そのモデルと暗黙のオブジェクトエンコーダを用いて潜時空間を情報的かつ効率的にサンプリングする。
論文 参考訳(メタデータ) (2022-02-24T01:31:29Z) - Neural Actor: Neural Free-view Synthesis of Human Actors with Pose
Control [80.79820002330457]
任意の視点と任意の制御可能なポーズの下での人間の高品質な合成法を提案する。
提案手法は,新しいポーズ合成法と同様に,再生時の最先端技術よりも優れた品質を実現し,トレーニングポーズと大きく異なる新しいポーズを一般化することができる。
論文 参考訳(メタデータ) (2021-06-03T17:40:48Z) - Animatable Neural Radiance Fields for Human Body Modeling [54.41477114385557]
本稿では,多視点映像から人間モデルを再構築する課題について述べる。
変形場を生成するためにニューラルブレンド重量場を導入する。
実験の結果,我々のアプローチは最近の人間の手法を大きく上回っていることがわかった。
論文 参考訳(メタデータ) (2021-05-06T17:58:13Z) - D-NeRF: Neural Radiance Fields for Dynamic Scenes [72.75686949608624]
そこで我々は,D-NeRF(D-NeRF)を動的領域に拡張する手法を提案する。
D-NeRFは、周囲を動き回るカメラから、剛体で非剛体な動きの下で物体のイメージを再構成する。
我々は,剛体・調音・非剛体動作下での物体のシーンに対するアプローチの有効性を実証した。
論文 参考訳(メタデータ) (2020-11-27T19:06:50Z)
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。