論文の概要: SwiftAvatar: Efficient Auto-Creation of Parameterized Stylized Character
on Arbitrary Avatar Engines
- arxiv url: http://arxiv.org/abs/2301.08153v1
- Date: Thu, 19 Jan 2023 16:14:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 14:40:14.795490
- Title: SwiftAvatar: Efficient Auto-Creation of Parameterized Stylized Character
on Arbitrary Avatar Engines
- Title（参考訳）: SwiftAvatar: 任意アバターエンジン上でのパラメータ化スティル文字の効率的な自動生成
- Authors: Shizun Wang, Weihong Zeng, Xu Wang, Hao Yang, Li Chen, Chuang Zhang,
Ming Wu, Yi Yuan, Yunzhao Zeng, Min Zheng
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 34.645129752596915
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The creation of a parameterized stylized character involves careful selection
of numerous parameters, also known as the "avatar vectors" that can be
interpreted by the avatar engine. Existing unsupervised avatar vector
estimation methods that auto-create avatars for users, however, often fail to
work because of the domain gap between realistic faces and stylized avatar
images. To this end, we propose SwiftAvatar, a novel avatar auto-creation
framework that is evidently superior to previous works. SwiftAvatar introduces
dual-domain generators to create pairs of realistic faces and avatar images
using shared latent codes. The latent codes can then be bridged with the avatar
vectors as pairs, by performing GAN inversion on the avatar images rendered
from the engine using avatar vectors. Through this way, we are able to
synthesize paired data in high-quality as many as possible, consisting of
avatar vectors and their corresponding realistic faces. We also propose
semantic augmentation to improve the diversity of synthesis. Finally, a
light-weight avatar vector estimator is trained on the synthetic pairs to
implement efficient auto-creation. Our experiments demonstrate the
effectiveness and efficiency of SwiftAvatar on two different avatar engines.
The superiority and advantageous flexibility of SwiftAvatar are also verified
in both subjective and objective evaluations.
- Abstract（参考訳）: パラメータ化されたスタイリッシュなキャラクタの作成には、アバターエンジンによって解釈できる「アバターベクトル」として知られる多数のパラメータを慎重に選択することが含まれる。
しかし、ユーザのためにアバターを自動生成する既存の教師なしアバターベクトル推定手法は、現実的な顔とスタイル化されたアバターイメージのドメインギャップのために、しばしば機能しない。
この目的のために,従来よりも明らかに優れている新しいアバター自動生成フレームワークであるSwiftAvatarを提案する。
SwiftAvatarはデュアルドメインジェネレータを導入し、共有潜在コードを使用して現実的な顔とアバターイメージのペアを生成する。
遅延符号は、アバターベクトルを用いてエンジンからレンダリングされたアバター画像にGAN反転を実行することにより、アバターベクトルをペアとしてブリッジすることができる。
この方法で、アバターベクターとその対応する現実的な顔からなるペアデータを可能な限り高品質で合成することができる。
また,合成の多様性を向上させるために意味増強を提案する。
最後に、合成ペア上で軽量なアバターベクトル推定器を訓練し、効率的な自動生成を実現する。
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。
SwiftAvatarの長所と長所の柔軟性も主観的評価と客観的評価の両方で検証されている。
関連論文リスト
- A multidimensional measurement of photorealistic avatar quality of experience [14.94879852506943]
フォトリアリスティックなアバターは人間のアバターで、実際の人間のように見え、動き、話す。
10次元の光実写アバター性能を主観的に測定するためのオープンソースのテストフレームワークを提供する。
これら9つの主観的指標とPSNR, SSIM, LPIPS, FID, FVDの相関は弱く, 感情の精度は適度である。
論文 参考訳（メタデータ） (2024-11-13T22:47:24Z) - 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) - MagicAvatar: Multimodal Avatar Generation and Animation [70.55750617502696]
MagicAvatarは、人間のアバターのマルチモーダルビデオ生成とアニメーションのためのフレームワークである。
アバター・ビデオ生成は、マルチモーダル・トゥ・モーションとモーション・トゥ・ビデオ・ジェネレーションの2段階に分けられる。
我々は,テキスト誘導アバター生成やビデオ誘導アバター生成など,様々な応用を通じてMagicAvatarの柔軟性を実証する。
論文 参考訳（メタデータ） (2023-08-28T17:56:18Z) - AvatarFusion: Zero-shot Generation of Clothing-Decoupled 3D Avatars
Using 2D Diffusion [34.609403685504944]
ゼロショットテキスト-アバター生成のためのフレームワークであるAvatarFusionを提案する。
我々は遅延拡散モデルを用いて、人間の現実的なアバターを生成するためのピクセルレベルのガイダンスを提供する。
また,身体と衣服の生成を意味的に分離する新たな最適化手法である,PS-DS(Pixel-Semantics Difference-Sampling)を導入する。
論文 参考訳（メタデータ） (2023-07-13T02:19:56Z) - 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) - 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) - AgileAvatar: Stylized 3D Avatar Creation via Cascaded Domain Bridging [12.535634029277212]
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。
論文 参考訳（メタデータ） (2022-11-15T00:43:45Z) - StylePeople: A Generative Model of Fullbody Human Avatars [59.42166744151461]
パラメトリックメッシュに基づく体モデルとニューラルテクスチャを組み合わせた,新しいタイプのフルボディヒトアバターを提案する。
このようなアバターは衣服や髪型をうまくモデル化できるため、メッシュベースのアプローチでは問題となる。
そこで我々は,画像や映像のデータセットから学習できるアバターの生成モデルを提案する。
論文 参考訳（メタデータ） (2021-04-16T20:43:11Z)
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。