論文の概要: EMS: 3D Eyebrow Modeling from Single-view Images

• arxiv url: http://arxiv.org/abs/2309.12787v1
• Date: Fri, 22 Sep 2023 10:55:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 15:01:51.009954
• Title: EMS: 3D Eyebrow Modeling from Single-view Images
• Title（参考訳）: ems: 単視点画像からの3次元アイブロウモデリング
• Authors: Chenghong Li, Leyang Jin, Yujian Zheng, Yizhou Yu, Xiaoguang Han
• Abstract要約: 単視3D視線再構成のための最初の学習ベースフレームワークであるEMSを提案する。 根の位置が著しく隠蔽されている問題に対処するために,根の局在を密度マップ推定タスクとして定式化する。 提案する全てのネットワークのトレーニングを支援するため,我々は最初の3次元合成アイブロウデータセットを構築した。
• 参考スコア（独自算出の注目度）: 51.92630128111019
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Eyebrows play a critical role in facial expression and appearance. Although the 3D digitization of faces is well explored, less attention has been drawn to 3D eyebrow modeling. In this work, we propose EMS, the first learning-based framework for single-view 3D eyebrow reconstruction. Following the methods of scalp hair reconstruction, we also represent the eyebrow as a set of fiber curves and convert the reconstruction to fibers growing problem. Three modules are then carefully designed: RootFinder firstly localizes the fiber root positions which indicates where to grow; OriPredictor predicts an orientation field in the 3D space to guide the growing of fibers; FiberEnder is designed to determine when to stop the growth of each fiber. Our OriPredictor is directly borrowing the method used in hair reconstruction. Considering the differences between hair and eyebrows, both RootFinder and FiberEnder are newly proposed. Specifically, to cope with the challenge that the root location is severely occluded, we formulate root localization as a density map estimation task. Given the predicted density map, a density-based clustering method is further used for finding the roots. For each fiber, the growth starts from the root point and moves step by step until the ending, where each step is defined as an oriented line with a constant length according to the predicted orientation field. To determine when to end, a pixel-aligned RNN architecture is designed to form a binary classifier, which outputs stop or not for each growing step. To support the training of all proposed networks, we build the first 3D synthetic eyebrow dataset that contains 400 high-quality eyebrow models manually created by artists. Extensive experiments have demonstrated the effectiveness of the proposed EMS pipeline on a variety of different eyebrow styles and lengths, ranging from short and sparse to long bushy eyebrows.
• Abstract（参考訳）: まばたきは表情と外観において重要な役割を担っている。 顔の3次元デジタル化はよく研究されているが、3Dアイブロウモデリングにはあまり注目されていない。 本研究では,シングルビュー3D視線再構成のための最初の学習ベースフレームワークであるEMSを提案する。 また,頭皮の毛髪再建の方法に従い,アイブロウを繊維曲線の集合として表現し,その再構成を繊維成長問題に変換する。 RootFinderはまず成長の場所を示す繊維根の位置をローカライズし、OriPredictorは繊維の成長を導くために3D空間の配向場を予測し、FiberEnderは繊維の成長をいつ止めるかを決定するように設計されている。 我々のOriPredictorは、髪の復元に使われる方法を直接借りています。 毛髪と毛髪の違いを考慮すると、RootFinderとFiberEnderの両方が新たに提案されている。 具体的には,根源の位置が著しく遮蔽されているという課題に対処するため,根源位置を密度マップ推定タスクとして定式化する。 予測密度写像を考えると、根を見つけるために密度に基づくクラスタリング法がさらに用いられる。 各繊維について、成長は根点から始まり、末尾までステップバイステップで進み、各ステップは予測された配向場に応じて一定長さの配向線として定義される。 終了時期を決定するため、ピクセル対応のRNNアーキテクチャはバイナリ分類器として設計され、成長する各ステップで停止するか否かを出力する。 提案するすべてのネットワークのトレーニングをサポートするために,アーティストが手作業で作成した400の高品質アイブロウモデルを含む,最初の3d合成アイブロウデータセットを構築した。 広範囲な実験により、提案したEMSパイプラインが、短いものから疎いものから長い毛むくじゃらのものまで、様々なアイブロウのスタイルと長さに対して有効であることが示された。

関連論文リスト

• Perm: A Parametric Representation for Multi-Style 3D Hair Modeling [22.790597419351528]
  Permは、さまざまな毛髪関連の応用を促進するために設計された人間の3D毛髪のパラメトリックモデルである。 周波数領域におけるPCAに基づくストランド表現を用いて,グローバルヘア形状と局所ストランド詳細をアンタングル化することを提案する。 これらのテクスチャは後に異なる生成モデルでパラメータ化され、ヘアモデリングプロセスの一般的な段階をエミュレートする。
  論文  参考訳（メタデータ） (2024-07-28T10:05:11Z)
• GeoGen: Geometry-Aware Generative Modeling via Signed Distance Functions [22.077366472693395]
  単一ビューコレクションから3次元形状と画像を合成するための新しい生成手法を提案する。 ニューラルラディアンス場を用いたボリュームレンダリングを用いることで、生成した幾何学はノイズが多く、制約がないという重要な制限を継承する。 エンド・ツー・エンドで訓練された新しいSDFベースの3D生成モデルであるGeoGenを提案する。
  論文  参考訳（メタデータ） (2024-06-06T17:00:10Z)
• 3D Neural Edge Reconstruction [61.10201396044153]
  本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。 多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。 この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T17:23:51Z)
• ID-to-3D: Expressive ID-guided 3D Heads via Score Distillation Sampling [96.87575334960258]
  ID-to-3D(ID-to-3D)は、不整合表現を用いたIDとテキスト誘導型3次元頭部を生成する方法である。 前例のないアイデンティティ一貫性と高品質なテクスチャと幾何生成を実現する。
  論文  参考訳（メタデータ） (2024-05-26T13:36:45Z)
• Invisible Stitch: Generating Smooth 3D Scenes with Depth Inpainting [75.7154104065613]
  本稿では,3次元融合過程を学習するために,教師の蒸留と自己学習によって訓練された新しい深度補完モデルを提案する。 また,地上の真理幾何に基づくシーン生成手法のベンチマーク手法も導入した。
  論文  参考訳（メタデータ） (2024-04-30T17:59:40Z)
• HAAR: Text-Conditioned Generative Model of 3D Strand-based Human Hairstyles [85.12672855502517]
  そこで本研究では,3次元ヘアスタイルのための新しいストランドベース生成モデルであるHAARについて紹介する。 テキスト入力に基づいて、HAARは現代のコンピュータグラフィックスエンジンで生産レベルの資産として使用できる3Dヘアスタイルを生成する。
  論文  参考訳（メタデータ） (2023-12-18T19:19:32Z)
• Neural Haircut: Prior-Guided Strand-Based Hair Reconstruction [4.714310894654027]
  本研究は, 単眼ビデオや多視点画像から, 鎖レベルでの正確な髪形再構成を実現する手法を提案する。 ニューラル・ヘアカット(Neural Haircut)と呼ばれるこの組み合わせシステムは、再建されたヘアスタイルの高度なリアリズムとパーソナライズを実現している。
  論文  参考訳（メタデータ） (2023-06-09T13:08:34Z)
• HairStep: Transfer Synthetic to Real Using Strand and Depth Maps for Single-View 3D Hair Modeling [55.57803336895614]
  学習型単一視点3Dヘアモデリングの課題に対処する。 まず, ストランドマップと深度マップからなる新しい中間表現をHairStepと呼ぶ。 HairStepは正確な3Dヘアモデリングに十分な情報を提供するだけでなく、実際の画像から推測できる。
  論文  参考訳（メタデータ） (2023-03-05T15:28:13Z)
• HVH: Learning a Hybrid Neural Volumetric Representation for Dynamic Hair Performance Capture [11.645769995924548]
  ライフスタイルの毛髪を捕えることは、その微細な幾何学的構造、複雑な物理的相互作用、そして非自明な視覚的外観のために特に困難である。 本稿では,数千のプリミティブで構成された斬新な容積表現を用いる。 提案手法は,記録されたマルチビューシーケンスのリアルなレンダリングを生成するだけでなく,新しい制御信号を提供することで,新しいヘア構成のレンダリングを生成する。
  論文  参考訳（メタデータ） (2021-12-13T18:57:50Z)

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。