論文の概要: AgileAvatar: Stylized 3D Avatar Creation via Cascaded Domain Bridging

• arxiv url: http://arxiv.org/abs/2211.07818v1
• Date: Tue, 15 Nov 2022 00:43:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 15:37:57.396686
• Title: AgileAvatar: Stylized 3D Avatar Creation via Cascaded Domain Bridging
• Title（参考訳）: AgileAvatar: Cascaded Domain Bridgingによる3Dアバター作成
• Authors: Shen Sang, Tiancheng Zhi, Guoxian Song, Minghao Liu, Chunpong Lai, Jing Liu, Xiang Wen, James Davis, Linjie Luo
• Abstract要約: 高品質な3Dアバターを作成するための,新しい自己教師型学習フレームワークを提案する。 その結果,従来の作業よりもはるかに高い選好スコアが得られ,手作業による作成に近い結果が得られた。
• 参考スコア（独自算出の注目度）: 12.535634029277212
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stylized 3D avatars have become increasingly prominent in our modern life. Creating these avatars manually usually involves laborious selection and adjustment of continuous and discrete parameters and is time-consuming for average users. Self-supervised approaches to automatically create 3D avatars from user selfies promise high quality with little annotation cost but fall short in application to stylized avatars due to a large style domain gap. We propose a novel self-supervised learning framework to create high-quality stylized 3D avatars with a mix of continuous and discrete parameters. Our cascaded domain bridging framework first leverages a modified portrait stylization approach to translate input selfies into stylized avatar renderings as the targets for desired 3D avatars. Next, we find the best parameters of the avatars to match the stylized avatar renderings through a differentiable imitator we train to mimic the avatar graphics engine. To ensure we can effectively optimize the discrete parameters, we adopt a cascaded relaxation-and-search pipeline. We use a human preference study to evaluate how well our method preserves user identity compared to previous work as well as manual creation. Our results achieve much higher preference scores than previous work and close to those of manual creation. We also provide an ablation study to justify the design choices in our pipeline.
• Abstract（参考訳）: スティル化された3Dアバターは、現代の生活でますます顕著になっている。 これらのアバターを手動で作成するには、連続的および離散的なパラメータの選択と調整に手間がかかり、平均的なユーザにとっては時間がかかります。 ユーザーセルフィーから3dアバターを自動的に作成するセルフ教師ドアプローチは、アノテーションコストを少なくして高品質を約束するが、大きなスタイルのドメインギャップのため、スタイリッシュなアバターには適用できない。 連続パラメータと離散パラメータを組み合わせた高品質な3dアバターを作成するための,新しい自己教師付き学習フレームワークを提案する。 筆者らはまず, 3次元アバターのターゲットとして, 入力セルフィーをスタイル化されたアバターレンダリングに変換するために, ポートレート・スタイリゼーション・アプローチを採用した。 次に、アバターグラフィックスエンジンを模倣するために訓練した差別化可能な模倣機を通して、スタイル化されたアバターレンダリングにマッチするアバターの最良のパラメータを見つける。 離散パラメータを効果的に最適化するために、カスケード型緩和探索パイプラインを採用する。 我々は人選好研究を用いて,従来の作業と手作業による作業と比較して,ユーザのアイデンティティをいかに保存するかを評価する。 その結果,従来の作業よりもずっと高い選好スコアが得られ,手作業に近い結果が得られた。 パイプラインの設計選択を正当化するためのアブレーション調査も提供しています。

関連論文リスト

• PuzzleAvatar: Assembling 3D Avatars from Personal Albums [54.831084076478874]
  我々は,OOTDアルバムから忠実な3Dアバターを生成する新しいモデルであるPuzzleAvatarを開発した。 学習したトークンを“パズルピース”として利用して,忠実でパーソナライズされた3Dアバターを組み立てます。
  論文  参考訳（メタデータ） (2024-05-23T17:59:56Z)
• X-Oscar: A Progressive Framework for High-quality Text-guided 3D Animatable Avatar Generation [63.74194950823133]
  X-Oscarはテキストプロンプトから高品質なアニマタブルアバターを生成するためのプログレッシブフレームワークである。 過飽和に対処するために、トレーニング中にアバターを適応分布として表現する適応変分法を導入する。 Avatar-aware Score Distillation Smpling (ASDS) も提案する。
  論文  参考訳（メタデータ） (2024-05-02T02:30:39Z)
• One2Avatar: Generative Implicit Head Avatar For Few-shot User Adaptation [31.310769289315648]
  本稿では,1ユーザあたり1枚または数枚の画像のみを利用した高品質なヘッドアバターを作成するための新しいアプローチを提案する。 我々は2407名の被験者から多視点の表情データセットから3次元アニマタブルなフォトリアリスティックヘッドアバターの生成モデルを学習した。 提案手法は,従来のアバター適応手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-19T07:48:29Z)
• AvatarStudio: High-fidelity and Animatable 3D Avatar Creation from Text [71.09533176800707]
  アバターストゥディオ(AvatarStudio)は、アニマタブルな人間のアバターのために、明瞭なテクスチャ化された3Dメッシュを生成する粗大で微細な生成モデルである。 調音メッシュ表現とDensePose条件拡散モデルとの相乗効果を効果的に活用することにより、AvatarStudioは高品質なアバターを作成することができる。
  論文  参考訳（メタデータ） (2023-11-29T18:59:32Z)
• AvatarVerse: High-quality & Stable 3D Avatar Creation from Text and Pose [23.76390935089982]
  AvatarVerseはテキスト記述とポーズガイダンスから高表現性3Dアバターを生成する安定なパイプラインである。 そこで本研究では, より表現力が高いだけでなく, 高品質な3次元アバターの非忠実な3次元モデリングを提案する。
  論文  参考訳（メタデータ） (2023-08-07T14:09:46Z)
• AvatarBooth: High-Quality and Customizable 3D Human Avatar Generation [14.062402203105712]
  AvatarBoothはテキストプロンプトや特定の画像を使って高品質な3Dアバターを生成する新しい方法である。 我々の重要な貢献は、二重微調整拡散モデルを用いた正確なアバター生成制御である。 本稿では,3次元アバター生成の粗大な監視を容易にするマルチレゾリューションレンダリング戦略を提案する。
  論文  参考訳（メタデータ） (2023-06-16T14:18:51Z)
• DreamWaltz: Make a Scene with Complex 3D Animatable Avatars [68.49935994384047]
  本稿では,テキストガイダンスとパラメトリック人体を用いた複雑な3Dアバターの生成とアニメーションを行う新しいフレームワークであるDreamWaltzを紹介する。 アニメーションでは,様々なポーズに条件付き拡散モデルの豊富な画像から,アニマタブルな3次元アバター表現を学習する。
  論文  参考訳（メタデータ） (2023-05-21T17:59:39Z)
• Text-Conditional Contextualized Avatars For Zero-Shot Personalization [47.85747039373798]
  本研究では,アバターによる画像生成のパーソナライズを可能にするパイプラインを提案する。 私たちのパイプラインはゼロショット、アバターテクスチャ、スタイル非依存で、アバターのトレーニングは一切必要ありません。 大規模な画像データセットを利用して人間の3Dポーズパラメータを学習する方法を初めて示す。
  論文  参考訳（メタデータ） (2023-04-14T22:00:44Z)
• OTAvatar: One-shot Talking Face Avatar with Controllable Tri-plane Rendering [81.55960827071661]
  制御性、一般化性、効率性は、ニューラル暗黙の場で表される顔アバターを構成する主要な目的である。 汎用制御可能な3面描画ソリューションにより顔アバターを構成するワンショット面アバター(OTAvatar)を提案する。
  論文  参考訳（メタデータ） (2023-03-26T09:12:03Z)
• SwiftAvatar: Efficient Auto-Creation of Parameterized Stylized Character on Arbitrary Avatar Engines [34.645129752596915]
  我々は,新しいアバター自動作成フレームワークであるSwiftAvatarを提案する。 我々は、アバターベクトルとその対応する現実的な顔からなる高品質なデータをできるだけ多く合成する。 実験では2つの異なるアバターエンジンにおけるSwiftAvatarの有効性と効率を実証した。
  論文  参考訳（メタデータ） (2023-01-19T16:14:28Z)

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。