論文の概要: AnthroNet: Conditional Generation of Humans via Anthropometrics
- arxiv url: http://arxiv.org/abs/2309.03812v1
- Date: Thu, 7 Sep 2023 16:09:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 12:17:17.142767
- Title: AnthroNet: Conditional Generation of Humans via Anthropometrics
- Title（参考訳）: anthronet: 人文計測による人間の条件生成
- Authors: Francesco Picetti, Shrinath Deshpande, Jonathan Leban, Soroosh
Shahtalebi, Jay Patel, Peifeng Jing, Chunpu Wang, Charles Metze III, Cameron
Sun, Cera Laidlaw, James Warren, Kathy Huynh, River Page, Jonathan Hogins,
Adam Crespi, Sujoy Ganguly, Salehe Erfanian Ebadi
- Abstract要約: 本稿では,人間中心の広範囲な測定によって定式化された新しい人体モデルを提案する。
提案モデルは, 深層生成アーキテクチャを用いて, 特定の人物の直接モデリングを可能にする。
人工的に生成されたデータのみを使用してエンドツーエンドで訓練されたのは、今回が初めてである。
- 参考スコア（独自算出の注目度）: 2.4016781107988265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel human body model formulated by an extensive set of
anthropocentric measurements, which is capable of generating a wide range of
human body shapes and poses. The proposed model enables direct modeling of
specific human identities through a deep generative architecture, which can
produce humans in any arbitrary pose. It is the first of its kind to have been
trained end-to-end using only synthetically generated data, which not only
provides highly accurate human mesh representations but also allows for precise
anthropometry of the body. Moreover, using a highly diverse animation library,
we articulated our synthetic humans' body and hands to maximize the diversity
of the learnable priors for model training. Our model was trained on a dataset
of $100k$ procedurally-generated posed human meshes and their corresponding
anthropometric measurements. Our synthetic data generator can be used to
generate millions of unique human identities and poses for non-commercial
academic research purposes.
- Abstract（参考訳）: 本稿では,人体の形状やポーズを多種多様に生成できる多種多様な人為中心計測によって定式化した新しい人体モデルを提案する。
提案モデルでは,任意のポーズで人間を生成可能な深層生成アーキテクチャを用いて,特定の人間のアイデンティティを直接モデル化することができる。
人工的に生成されたデータのみを使用してエンドツーエンドでトレーニングされたのはこれが初めてであり、高精度なメッシュ表現を提供するだけでなく、身体の正確な人類計測も可能である。
さらに, 高度に多様なアニメーションライブラリを用いて, 学習可能な事前学習の多様性を最大化するために, 合成人間の身体と手を明瞭に表現した。
我々のモデルは、手続き的に生成した人体メッシュとそれに対応する人体計測値のデータセットで訓練された。
我々の合成データジェネレータは、何百万ものユニークな人間のアイデンティティを生成でき、非商業的な学術研究目的のためにポーズを取ることができる。
関連論文リスト
- HINT: Learning Complete Human Neural Representations from Limited Viewpoints [69.76947323932107]
我々は、限られた視野角から詳細な人間のモデルを学習できるNeRFベースのアルゴリズムを提案する。
その結果,数個の視角からでも完全な人間の再構築が可能となり,性能は15%以上向上した。
論文 参考訳（メタデータ） (2024-05-30T05:43:09Z) - SynBody: Synthetic Dataset with Layered Human Models for 3D Human
Perception and Modeling [93.60731530276911]
我々は3つの魅力的な特徴を持つ新しい合成データセット、SynBodyを紹介した。
データセットは、正確な3Dアノテーションを備えた1.2Mイメージで構成され、1万の人体モデル、1,187のアクション、さまざまな視点をカバーしている。
論文 参考訳（メタデータ） (2023-03-30T13:30:12Z) - Procedural Humans for Computer Vision [1.9550079119934403]
顔と身体のパラメトリックなモデルを構築し,このモデルに基づいて人間の現実的な画像を生成する。
本研究は,Wood et al. のパイプライン上に構築し,人体全体の合成画像を生成することにより,全体を含むように拡張可能であることを示す。
論文 参考訳（メタデータ） (2023-01-03T15:44:48Z) - gDNA: Towards Generative Detailed Neural Avatars [94.9804106939663]
我々のモデルでは,多様で詳細な衣服を身に着けた自然の人間のアバターを生成できることが示されている。
本手法は,人間のモデルを生のスキャンに適合させる作業に使用することができ,従来の最先端技術よりも優れていた。
論文 参考訳（メタデータ） (2022-01-11T18:46:38Z) - HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。
年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。
アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
論文 参考訳（メタデータ） (2021-12-23T22:27:55Z) - Automatic Estimation of Anthropometric Human Body Measurements [0.0]
本稿では,深層学習とニューラルネットワークの分野における研究を定式化し,様々な視覚的入力データから身体計測の課題に取り組む。
また, 各種人体形状の合成データセットを作成することにより, トレーニングや評価に要する地上の真理体計測に注釈を付ける実際の人体データの欠如にも対処する。
論文 参考訳（メタデータ） (2021-12-22T16:13:59Z) - LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human
Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。
完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。
我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文 参考訳（メタデータ） (2021-11-30T04:10:57Z) - imGHUM: Implicit Generative Models of 3D Human Shape and Articulated
Pose [42.4185273307021]
人間の3次元形状とポーズの合成モデルImGHUMについて述べる。
人間の全身をゼロレベルの関数として暗黙的にモデル化し、明示的なテンプレートメッシュを使用しない。
論文 参考訳（メタデータ） (2021-08-24T17:08:28Z) - S3: Neural Shape, Skeleton, and Skinning Fields for 3D Human Modeling [103.65625425020129]
歩行者の形状、ポーズ、皮膚の重みを、データから直接学習する神経暗黙関数として表現します。
各種データセットに対するアプローチの有効性を実証し,既存の最先端手法よりも再現性が優れていることを示す。
論文 参考訳（メタデータ） (2021-01-17T02:16:56Z)
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。