論文の概要: PHRIT: Parametric Hand Representation with Implicit Template

• arxiv url: http://arxiv.org/abs/2309.14916v1
• Date: Tue, 26 Sep 2023 13:22:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 13:43:48.287716
• Title: PHRIT: Parametric Hand Representation with Implicit Template
• Title（参考訳）: PHRIT:Implicitテンプレートによるパラメトリックハンド表現
• Authors: Zhisheng Huang, Yujin Chen, Di Kang, Jinlu Zhang, Zhigang Tu
• Abstract要約: PHRITは暗黙テンプレートを用いたパラメトリックハンドメッシュモデリングの新しいアプローチである。 本手法は, 部品形状の符号付き距離場(SDF)を用いて変形可能な手形状を表現する。 PHRITは、骨格駆動手指再建、点雲からの形状、一視点3D再構成など、複数の下流タスクにおいて評価される。
• 参考スコア（独自算出の注目度）: 24.699079936958892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose PHRIT, a novel approach for parametric hand mesh modeling with an implicit template that combines the advantages of both parametric meshes and implicit representations. Our method represents deformable hand shapes using signed distance fields (SDFs) with part-based shape priors, utilizing a deformation field to execute the deformation. The model offers efficient high-fidelity hand reconstruction by deforming the canonical template at infinite resolution. Additionally, it is fully differentiable and can be easily used in hand modeling since it can be driven by the skeleton and shape latent codes. We evaluate PHRIT on multiple downstream tasks, including skeleton-driven hand reconstruction, shapes from point clouds, and single-view 3D reconstruction, demonstrating that our approach achieves realistic and immersive hand modeling with state-of-the-art performance.
• Abstract（参考訳）: パラメトリックメッシュと暗黙表現の両方の利点を組み合わせた,暗黙のテンプレートを用いたパラメトリックハンドメッシュモデリングのための新しいアプローチであるphritを提案する。 本手法は, 部分形状の符号付き距離場(SDF)を用いて変形可能な手形状を表現し, 変形場を用いて変形を行う。 このモデルは、標準テンプレートを無限解像度で変形させることにより、効率的な高忠実手再構成を提供する。 さらに、完全に微分可能であり、スケルトンによって駆動され、潜在コードを形成することができるため、手モデリングで容易に使用できる。 我々は,骨格駆動の手の再構築,点雲からの形状,一視点3Dの再構築など,複数の下流作業におけるPHRITを評価し,本手法が現実的かつ没入的な手のモデリングと最先端のパフォーマンスを実現することを実証した。

関連論文リスト

• 3D Points Splatting for Real-Time Dynamic Hand Reconstruction [13.392046706568275]
  3Dポイントスプレイティングハンドリコンストラクション(3D-PSHR)はリアルタイム・光リアルハンドリコンストラクション手法である。 本稿では,高分解能手形状表現を実現するための自己適応型標準点アップ戦略を提案する。 テクスチャをモデル化するため,本態性アルベドとポーズアウェアシェーディングの外観色を分離した。
  論文  参考訳（メタデータ） (2023-12-21T11:50:49Z)
• Overcoming the Trade-off Between Accuracy and Plausibility in 3D Hand Shape Reconstruction [62.96478903239799]
  3次元手形状復元のための直接メッシュフィッティングは非常に正確である。 しかし、再建されたメッシュはアーティファクトに傾向があり、もっともらしい手の形には見えない。 本稿では,MANOモデルと非パラメトリックメッシュフィッティングをエンドツーエンドで統合した手形状推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-01T03:38:01Z)
• AlignSDF: Pose-Aligned Signed Distance Fields for Hand-Object Reconstruction [76.12874759788298]
  ポーズと形状を両立させる共同学習フレームワークを提案する。 以上の結果から,SDFは形状の細部を再構築することに注力し,手・物体の復元精度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2022-07-26T13:58:59Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• SPAMs: Structured Implicit Parametric Models [30.19414242608965]
  本研究では,非剛体物体の動きを形状とポーズの部分的不整合表現に構造的に分解する変形可能なオブジェクト表現として,構造化単純パラメトリックモデル(SPAM)を学習する。 複雑な変形物体の動きの深度配列の復元と追跡において、我々の部分認識形状とポーズ理解が最先端のパフォーマンスに繋がることを示す実験を行った。
  論文  参考訳（メタデータ） (2022-01-20T12:33:46Z)
• Deep Implicit Templates for 3D Shape Representation [70.9789507686618]
  深い暗黙表現における明示的な対応推論を支援する新しい3次元形状表現を提案する。 我々のキーとなる考え方は、テンプレートの暗黙関数の条件変形としてDIFを定式化することである。 提案手法は,形状の集合に対する一般的な暗黙テンプレートを学習するだけでなく,すべての形状を相互に同時に対応させることも可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-30T06:01:49Z)
• PaMIR: Parametric Model-Conditioned Implicit Representation for Image-based Human Reconstruction [67.08350202974434]
  本研究では,パラメトリックボディモデルと自由形深部暗黙関数を組み合わせたパラメトリックモデル記述型暗黙表現(PaMIR)を提案する。 本手法は, 挑戦的なポーズや衣料品のタイプにおいて, 画像に基づく3次元再構築のための最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-07-08T02:26:19Z)
• Learning Generative Models of Shape Handles [43.41382075567803]
  ハンドセットとして3次元形状を合成する生成モデルを提案する。 我々のモデルは、様々な濃度と異なる種類のハンドルを持つハンドセットを生成することができる。 得られた形状表現は直感的であり,従来の最先端技術よりも優れた品質が得られることを示す。
  論文  参考訳（メタデータ） (2020-04-06T22:35:55Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。