Fugu-MT 論文翻訳(概要): Dual-Side Feature Fusion 3D Pose Transfer

論文の概要: Dual-Side Feature Fusion 3D Pose Transfer

arxiv url: http://arxiv.org/abs/2305.14951v1
Date: Wed, 24 May 2023 09:42:08 GMT
ステータス: 処理完了
システム内更新日: 2023-05-25 17:35:12.669329
Title: Dual-Side Feature Fusion 3D Pose Transfer
Title（参考訳）: デュアルサイド・フュージョン3Dポッド転送
Authors: Jue Liu, Feipeng Da
Abstract要約: 3次元ポーズトランスファーは、従来の変形トランスファーの追加入力と対応の問題を解決する。本稿では、ポーズ転送精度を向上させるために、デュアルサイド特徴核融合ポーズ転送ネットワークを提案する。
参考スコア（独自算出の注目度）: 4.010371060637209
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 3D pose transfer solves the problem of additional input and correspondence of traditional deformation transfer, only the source and target meshes need to be input, and the pose of the source mesh can be transferred to the target mesh. Some lightweight methods proposed in recent years consume less memory but cause spikes and distortions for some unseen poses, while others are costly in training due to the inclusion of large matrix multiplication and adversarial networks. In addition, the meshes with different numbers of vertices also increase the difficulty of pose transfer. In this work, we propose a Dual-Side Feature Fusion Pose Transfer Network to improve the pose transfer accuracy of the lightweight method. Our method takes the pose features as one of the side inputs to the decoding network and fuses them into the target mesh layer by layer at multiple scales. Our proposed Feature Fusion Adaptive Instance Normalization has the characteristic of having two side input channels that fuse pose features and identity features as denormalization parameters, thus enhancing the pose transfer capability of the network. Extensive experimental results show that our proposed method has stronger pose transfer capability than state-of-the-art methods while maintaining a lightweight network structure, and can converge faster.
Abstract（参考訳）: 3Dポーズ転送は、従来の変形転送の付加的な入力と対応の問題を解決し、ソースメッシュとターゲットメッシュのみを入力し、ソースメッシュのポーズをターゲットメッシュに転送する。近年提案されている軽量な手法のいくつかはメモリ消費が少ないが、見当たらないポーズではスパイクや歪みを引き起こすが、大きな行列乗算や逆ネットワークが組み込まれているため訓練にコストがかかるものもある。さらに、頂点の数が異なるメッシュは、ポーズ転送の難しさも増す。本研究では, 軽量手法の姿勢伝達精度を向上させるために, デュアルサイド機能融合ポーズ転送ネットワークを提案する。提案手法では,ポーズ特徴を復号化ネットワークへの側入力の1つとして,複数のスケールでレイヤごとに対象メッシュ層に融合する。提案するFeature Fusion Adaptive Instance Normalizationは,特徴量と特徴量とを非正規化パラメータとしてフューズする2つの入力チャネルを持つ特性を持ち,ネットワークのポーズ伝達能力を高める。実験の結果,提案手法は,軽量なネットワーク構造を維持しながら,最先端の手法よりも高いポーズ伝達能力を有し,より高速に収束できることがわかった。

関連論文リスト

DI-Net : Decomposed Implicit Garment Transfer Network for Digital Clothed 3D Human [75.45488434002898]
既存の2D仮想試行法は、各ピクセルの深さを知覚できないため、直接3Dに拡張することはできない。本稿では,新たに試みられた3次元メッシュをシームレスに再構築可能な,分解型インプリシト衣服転送ネットワーク(DI-Net)を提案する。
論文参考訳（メタデータ） (2023-11-28T14:28:41Z)
Unsupervised 3D Pose Transfer with Cross Consistency and Dual Reconstruction [50.94171353583328]
3Dポーズ転送の目標は、アイデンティティ情報を保存しながら、ソースメッシュからターゲットメッシュにポーズを転送することである。深層学習に基づく手法は、3Dポーズ転送の効率と性能を改善した。 X-DualNetは、教師なしの3Dポーズ転送を可能にするシンプルで効果的なアプローチである。
論文参考訳（メタデータ） (2022-11-18T15:09:56Z)
Pixel-Aligned Non-parametric Hand Mesh Reconstruction [16.62199923065314]
非パラメトリックメッシュ再構成は、最近3Dの手と身体の応用において顕著な進歩を見せている。本稿では,このマッピングをシンプルでコンパクトなアーキテクチャで構築し,活用することを目的とする。 3つのフェーズからなるハンドメッシュリカバリタスクのためのエンドツーエンドパイプラインを提案する。
論文参考訳（メタデータ） (2022-10-17T15:53:18Z)
Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
論文参考訳（メタデータ） (2021-12-14T13:14:24Z)
Deep Point Cloud Reconstruction [74.694733918351]
3Dスキャンから得られる点雲は、しばしばスパース、ノイズ、不規則である。これらの問題に対処するため、最近の研究は別々に行われ、不正確な点雲を密度化、復調し、完全な不正確な点雲を観測している。本研究では,1) 初期密度化とデノナイズのための3次元スパース集積時間ガラスネットワーク,2) 離散ボクセルを3Dポイントに変換するトランスフォーマーによる改良,の2段階からなる深部点雲再構成ネットワークを提案する。
論文参考訳（メタデータ） (2021-11-23T07:53:28Z)
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)
A 3D Mesh-based Lifting-and-Projection Network for Human Pose Transfer [25.681557081096805]
本稿では3次元メッシュ空間でポーズ転送を行うためのリフト・アンド・プロジェクションフレームワークを提案する。以前の人体形状を活用するために、LPNetは体メッシュのトポロジ的情報を利用する。テクスチャの詳細を保存するために、LPNetが生成した機能を、ソースフォアグラウンドイメージで強化するためにADCNetが導入された。
論文参考訳（メタデータ） (2021-09-24T03:03:02Z)
FuseFormer: Fusing Fine-Grained Information in Transformers for Video Inpainting [77.8621673355983]
FuseFormerは,微細な機能融合による映像の塗布用に設計されたトランスフォーマーモデルである。本研究では,2次元構造をモデル化可能な1次元線形層を実現するために,ソフトコンポジションとソフトスプリットをフィードフォワードネットワークに精巧に挿入する。定量評価と定性評価の両方において,提案したFuseFormerは最先端の手法を超越している。
論文参考訳（メタデータ） (2021-09-07T10:13:29Z)
Human Pose Transfer with Augmented Disentangled Feature Consistency [28.744108771350078]
人間のポーズ転送を容易にするために,DFC-Net(Disentangled Feature Consistency)を付加したポーズ転送ネットワークを提案する。ソースとターゲット人を含む一対のイメージが与えられた後、DFC-Netはソースからそれぞれポーズと静的情報を抽出し、ターゲット人のイメージをソースから所望のポーズで合成する。
論文参考訳（メタデータ） (2021-07-23T01:25:07Z)
DualPoseNet: Category-level 6D Object Pose and Size Estimation using Dual Pose Network with Refined Learning of Pose Consistency [30.214100288708163]
カテゴリーレベルの6Dオブジェクトのポーズとサイズ推定は、オブジェクトインスタンスの回転、翻訳、サイズの設定を9自由度(9DoF)で予測する。本稿では,この課題に対するポーズ一貫性の学習を洗練し,DualPoseNetと略記したDual Pose Networkを提案する。
論文参考訳（メタデータ） (2021-03-11T08:33:47Z)
Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
論文参考訳（メタデータ） (2020-11-24T14:22:42Z)

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。