論文の概要: PersonNeRF: Personalized Reconstruction from Photo Collections
- arxiv url: http://arxiv.org/abs/2302.08504v1
- Date: Thu, 16 Feb 2023 18:57:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-17 12:54:56.151745
- Title: PersonNeRF: Personalized Reconstruction from Photo Collections
- Title(参考訳): PersonNeRF:フォトコレクションからのパーソナライズされた再構築
- Authors: Chung-Yi Weng, Pratul P. Srinivasan, Brian Curless, and Ira
Kemelmacher-Shlizerman
- Abstract要約: PersonNeRFは、何年にもわたって撮影されている被写体の写真を撮る。
私たちは、カメラの視点、身体のポーズ、外見によって、全空間をレンダリングできる、カスタマイズされたニューラルネットワークの3Dモデルを構築します。
本手法は, 復元された体積幾何学の正規化とともに, 滑らか化を促進することによって, 魅力的な画像を描画するモデルを復元できることを実証する。
- 参考スコア(独自算出の注目度): 21.34387626416631
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present PersonNeRF, a method that takes a collection of photos of a
subject (e.g. Roger Federer) captured across multiple years with arbitrary body
poses and appearances, and enables rendering the subject with arbitrary novel
combinations of viewpoint, body pose, and appearance. PersonNeRF builds a
customized neural volumetric 3D model of the subject that is able to render an
entire space spanned by camera viewpoint, body pose, and appearance. A central
challenge in this task is dealing with sparse observations; a given body pose
is likely only observed by a single viewpoint with a single appearance, and a
given appearance is only observed under a handful of different body poses. We
address this issue by recovering a canonical T-pose neural volumetric
representation of the subject that allows for changing appearance across
different observations, but uses a shared pose-dependent motion field across
all observations. We demonstrate that this approach, along with regularization
of the recovered volumetric geometry to encourage smoothness, is able to
recover a model that renders compelling images from novel combinations of
viewpoint, pose, and appearance from these challenging unstructured photo
collections, outperforming prior work for free-viewpoint human rendering.
- Abstract(参考訳): 本稿では,何年にもわたって撮影されている被写体(例えばロジャー・フェデラー)の写真を任意の身体ポーズと外見で撮影し,視点,身体ポーズ,外見の任意の組み合わせで被写体をレンダリングするPersonNeRFを提案する。
personnerfは、カスタマイズされた神経容積3dモデルを構築し、カメラの視点、身体のポーズ、外観にまたがる空間全体をレンダリングすることができる。
与えられた身体のポーズは、単一の外観を持つ1つの視点でのみ観察され、与えられた外観は、いくつかの異なる身体のポーズの下でのみ観察される。
この問題に対処するために、被験者の標準的T目的神経容積表現を復元し、異なる観察範囲で外観を変化させるが、すべての観察領域で共有ポーズ依存運動場を使用する。
このアプローチは、復元された体積幾何学を規則化し、滑らかさを促進するとともに、これらの挑戦的な非構造化フォトコレクションから、新しい視点、ポーズ、外観の組み合わせから説得力のある画像をレンダリングするモデルを復元できることを実証する。
関連論文リスト
- VINECS: Video-based Neural Character Skinning [82.39776643541383]
ポーズ依存のスキン重みを持つ完全リップ文字を作成するための完全自動アプローチを提案する。
提案手法は高密度4Dスキャンに頼らず,最先端技術よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-07-03T08:35:53Z) - Generalizable Neural Performer: Learning Robust Radiance Fields for
Human Novel View Synthesis [52.720314035084215]
この研究は、一般のディープラーニングフレームワークを使用して、任意の人間の演奏者の自由視点画像を合成することを目的としている。
我々は、汎用的で堅牢な神経体表現を学習するシンプルな、かつ強力なフレームワーク、Generalizable Neural Performer(GNR)を提案する。
GeneBody-1.0とZJU-Mocapの実験は、最近の最先端の一般化可能な手法よりも、我々の手法の堅牢性を示している。
論文 参考訳(メタデータ) (2022-04-25T17:14:22Z) - Neural Rendering of Humans in Novel View and Pose from Monocular Video [68.37767099240236]
本稿では,新しい視点下で写真リアルな人間を生成し,モノクロ映像を入力として提示する新しい手法を提案する。
提案手法は,モノクラー映像を入力として,見知らぬポーズや新しい視点下での既存手法よりも優れていた。
論文 参考訳(メタデータ) (2022-04-04T03:09:20Z) - H-NeRF: Neural Radiance Fields for Rendering and Temporal Reconstruction
of Humans in Motion [42.4185273307021]
本研究では,低周波カメラや単眼ビデオで捉えたヒトの動作をレンダリング・時間的(4D)再構成するためのH-NeRF,神経放射場について述べる。
我々のNeRFにインスパイアされたアプローチは、ニューラルシーンの表現、ノベルビューの合成、暗黙の統計的幾何学的人間の表現のアイデアを組み合わせたものです。
論文 参考訳(メタデータ) (2021-10-26T14:51:36Z) - HumanGAN: A Generative Model of Humans Images [78.6284090004218]
本研究では,ポーズ,局所的な身体部分の外観,衣料品スタイルを制御できる服装者の画像生成モデルを提案する。
本モデルでは,正規化されたポーズ非依存空間に部分的潜在性出現ベクトルをエンコードし,異なるポーズに誘導し,様々な姿勢で身体や衣服の外観を保っている。
論文 参考訳(メタデータ) (2021-03-11T19:00:38Z) - Appearance Consensus Driven Self-Supervised Human Mesh Recovery [67.20942777949793]
単眼画像から人間のポーズや形状を推定する自己教師付きメッシュ回復フレームワークを提案する。
標準モデルに基づく3次元ポーズ推定ベンチマークの最先端結果を得る。
その結果、色付きメッシュ予測により、ポーズや形状推定以外にも、さまざまな外観関連タスクにフレームワークの使用が開放される。
論文 参考訳(メタデータ) (2020-08-04T05:40:39Z) - Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image
Synthesis [72.34794624243281]
ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。
3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
論文 参考訳(メタデータ) (2020-04-09T07:55:01Z)
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。