論文の概要: HMC: Hierarchical Mesh Coarsening for Skeleton-free Motion Retargeting

• arxiv url: http://arxiv.org/abs/2303.10941v1
• Date: Mon, 20 Mar 2023 08:52:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 16:24:43.709396
• Title: HMC: Hierarchical Mesh Coarsening for Skeleton-free Motion Retargeting
• Title（参考訳）: HMC:スケルトンフリーモーションリターゲティングのための階層メッシュ粗大化
• Authors: Haoyu Wang, Shaoli Huang, Fang Zhao, Chun Yuan, Ying Shan
• Abstract要約: 従来の方法では、メッシュ内の固有の局所的な動きを保存できず、高分解能メッシュ間で動きを伝達する。 本稿では,メッシュ表現を粗くすることで,より優れた動き伝達を実現するメッシュ粗大化モジュールを提案する。 提案手法をよく知られた3次元キャラクタデータセットを用いて評価し,点幅のメッシュユークリッド距離において平均25%の改善が得られた。
• 参考スコア（独自算出の注目度）: 35.00941250252142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a simple yet effective method for skeleton-free motion retargeting. Previous methods transfer motion between high-resolution meshes, failing to preserve the inherent local-part motions in the mesh. Addressing this issue, our proposed method learns the correspondence in a coarse-to-fine fashion by integrating the retargeting process with a mesh-coarsening pipeline. First, we propose a mesh-coarsening module that coarsens the mesh representations for better motion transfer. This module improves the ability to handle small-part motion and preserves the local motion interdependence between neighboring mesh vertices. Furthermore, we leverage a hierarchical refinement procedure to complement missing mesh details by gradually improving the low-resolution mesh output with a higher-resolution one. We evaluate our method on several well-known 3D character datasets, and it yields an average improvement of 25% on point-wise mesh euclidean distance (PMD) against the start-of-art method. Moreover, our qualitative results show that our method is significantly helpful in preserving the moving consistency of different body parts on the target character due to disentangling body-part structures and mesh details in a hierarchical way.
• Abstract（参考訳）: 本稿では,スケルトンフリーモーションリターゲティングのための簡易かつ効果的な手法を提案する。 従来の方法では、メッシュ内の固有の局所的な動きを保存できず、高分解能メッシュ間で動きを伝達する。 この問題に対処するため,提案手法では,再ターゲットプロセスとメッシュ粗化パイプラインを統合することにより,粗大な対応性を学習する。 まず,メッシュ表現を粗くし,より優れた動き伝達を実現するメッシュ結合モジュールを提案する。 このモジュールは、小さな動きを扱う能力を改善し、隣接するメッシュ頂点間の局所的な動き相互依存性を保存する。 さらに,低分解能メッシュ出力を高分解能メッシュで徐々に改善することにより,欠落メッシュの詳細を補うために階層的精細化手法を利用する。 提案手法をよく知られた3次元キャラクタデータセットを用いて評価し, 従来手法と比較して, ポイントワイドメッシュユークリッド距離(PMD)において平均25%の改善が得られた。 さらに,本手法は,体部構造やメッシュの細部が階層的に絡み合っているため,対象キャラクタ上の異なる部位の移動一貫性を維持するのに有効であることを示す。

関連論文リスト

• Fine-Grained Multi-View Hand Reconstruction Using Inverse Rendering [11.228453237603834]
  本稿では,逆レンダリングを利用して手ポーズを復元し,詳細を複雑化する多視点ハンドメッシュ再構成手法を提案する。 また、ハンドメッシュとテクスチャの両方を洗練させるために、新しいハンドアルベドとメッシュ(HAM)最適化モジュールも導入した。 提案手法は,再現精度とレンダリング品質の両面において,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-07-08T07:28:24Z)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
  浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。 私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。 提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-08-01T03:44:56Z)
• M2N: Mesh Movement Networks for PDE Solvers [17.35053721712421]
  PDEソルバのための学習ベースエンドツーエンドメッシュ移動フレームワークを提案する。 主な要件は、メッシュの緩和、バウンダリ一貫性、さまざまな解像度のメッシュへの一般化である。 我々は定常・時間依存・線形・非線形方程式について検証する。
  論文  参考訳（メタデータ） (2022-04-24T04:23:31Z)
• Mesh Draping: Parametrization-Free Neural Mesh Transfer [92.55503085245304]
  Mesh Drapingは、既存のメッシュ構造をある形状から別の形状に転送するニューラルネットワークである。 我々は、徐々に増加する周波数を活用して、ニューラルネットワークの最適化を導くことにより、安定かつ高品質なメッシュ転送を実現することができることを示す。
  論文  参考訳（メタデータ） (2021-10-11T17:24:52Z)
• 3D Pose Transfer with Correspondence Learning and Mesh Refinement [41.92922228475176]
  3Dポーズ転送は、最も困難な3D生成タスクの1つである。 本研究では,人間と動物のメッシュの3次元ポーズ伝達を支援するための通信抑制ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-09-30T11:49:03Z)
• Progressive Encoding for Neural Optimization [92.55503085245304]
  メッシュ転送におけるppe層の能力と,そのアドバンテージを,現代の表面マッピング技術と比較した。 最も重要な点は, パラメタライズフリーな手法であり, 様々な対象形状表現に適用可能であることである。
  論文  参考訳（メタデータ） (2021-04-19T08:22:55Z)
• Single Image Non-uniform Blur Kernel Estimation via Adaptive Basis Decomposition [1.854931308524932]
  本研究では,高密度な非一様運動ボケ推定のための一般非パラメトリックモデルを提案する。 提案手法は,既存の不均一な動きのぼかし推定の限界を克服することを示す。
  論文  参考訳（メタデータ） (2021-02-01T18:02:31Z)
• Learning to Segment Rigid Motions from Two Frames [72.14906744113125]
  本研究では, 運動場から独立物体の動きを復元する幾何学的解析により, モジュラーネットワークを提案する。 2つの連続フレームを入力とし、背景のセグメンテーションマスクと複数の剛体移動オブジェクトを予測し、3次元の剛体変換によってパラメータ化する。 本手法はkittiおよびsintelにおける剛体運動セグメンテーションの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-11T04:20:30Z)

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。