論文の概要: ECON: Explicit Clothed humans Obtained from Normals

• arxiv url: http://arxiv.org/abs/2212.07422v1
• Date: Wed, 14 Dec 2022 18:59:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 14:46:53.454420
• Title: ECON: Explicit Clothed humans Obtained from Normals
• Title（参考訳）: ECON: 普通の人から服を盗んだ人間
• Authors: Yuliang Xiu, Jinlong Yang, Xu Cao, Dimitrios Tzionas, Michael J. Black
• Abstract要約: ECONは、ゆるい服や挑戦的なポーズでも、高忠実な3D人間を推論する。 知覚的研究は、ECONの認識されるリアリズムが大きなマージンによって優れていることを示している。
• 参考スコア（独自算出の注目度）: 54.51948104460489
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The combination of artist-curated scans, and deep implicit functions (IF), is enabling the creation of detailed, clothed, 3D humans from images. However, existing methods are far from perfect. IF-based methods recover free-form geometry but produce disembodied limbs or degenerate shapes for unseen poses or clothes. To increase robustness for these cases, existing work uses an explicit parametric body model to constrain surface reconstruction, but this limits the recovery of free-form surfaces such as loose clothing that deviates from the body. What we want is a method that combines the best properties of implicit and explicit methods. To this end, we make two key observations: (1) current networks are better at inferring detailed 2D maps than full-3D surfaces, and (2) a parametric model can be seen as a "canvas" for stitching together detailed surface patches. ECON infers high-fidelity 3D humans even in loose clothes and challenging poses, while having realistic faces and fingers. This goes beyond previous methods. Quantitative, evaluation of the CAPE and Renderpeople datasets shows that ECON is more accurate than the state of the art. Perceptual studies also show that ECON's perceived realism is better by a large margin. Code and models are available for research purposes at https://xiuyuliang.cn/econ
• Abstract（参考訳）: アーティストによるスキャンと深い暗黙の関数(IF)の組み合わせにより、画像から詳細な3D人間を作成できるようになった。 しかし、既存の手法は完璧とは程遠い。 ifベースの手法は自由形状の幾何学を復元するが、体幹のない四肢や、目立たないポーズや衣服の形状を縮退させる。 これらのケースのロバスト性を高めるために、既存の研究は表面の再構成を制限するために明示的なパラメトリックボディモデルを用いているが、これは体から逸脱するゆるい衣服のような自由形表面の回復を制限する。 私たちが望むのは、暗黙的および明示的なメソッドの最高のプロパティを組み合わせたメソッドです。 この目的のために,(1)現在のネットワークは,完全な3d表面よりも詳細な2dマップを推定し,(2)パラメトリックモデルは,詳細な表面パッチを縫い合わせるための「カンバス」と見なすことができる。 econは、リアルな顔と指を持ちながら、ゆるやかな服装と挑戦的なポーズでも高い忠実な3d人間を推論する。 これは以前の方法を超えます。 CAPEとRenderPeopleのデータセットを定量的に評価すると、ECONは最先端技術よりも正確であることがわかる。 知覚学的研究は、ECONの認識されたリアリズムが大きなマージンで優れていることも示している。 コードとモデルは研究目的でhttps://xiuyuliang.cn/econで利用可能である。

関連論文リスト

• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• RAFaRe: Learning Robust and Accurate Non-parametric 3D Face Reconstruction from Pseudo 2D&3D Pairs [13.11105614044699]
  単視3次元顔再構成(SVFR)のための頑健で正確な非パラメトリック手法を提案する。 大規模な擬似2D&3Dデータセットは、まず詳細な3D顔をレンダリングし、野生の画像の顔と描画された顔とを交換することによって作成される。 本モデルは,FaceScape-wild/labおよびMICCベンチマークにおいて,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-10T19:40:26Z)
• ICON: Implicit Clothed humans Obtained from Normals [49.5397825300977]
  入念な機能は、髪や服などの細部をキャプチャできるので、最初のタスクに適している。 ICON は、SMPL(-X) の正常に条件付けされた詳細な布-ヒトの正常を推測する。 ICONは、Wild画像から頑丈な3D服を復元する一歩を踏み出した。
  論文  参考訳（メタデータ） (2021-12-16T18:59:41Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)
• Pose2Mesh: Graph Convolutional Network for 3D Human Pose and Mesh Recovery from a 2D Human Pose [70.23652933572647]
  本稿では,人間のメッシュ頂点の3次元座標を直接推定するグラフ畳み込みニューラルネットワーク(GraphCNN)を提案する。 我々のPose2Meshは、様々なベンチマークデータセットにおいて、以前の3次元人間のポーズとメッシュ推定方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-20T16:01:56Z)
• 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)

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。