論文の概要: SPHEAR: Spherical Head Registration for Complete Statistical 3D Modeling
- arxiv url: http://arxiv.org/abs/2311.02461v1
- Date: Sat, 4 Nov 2023 17:38:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 17:29:26.869564
- Title: SPHEAR: Spherical Head Registration for Complete Statistical 3D Modeling
- Title（参考訳）: SPHEAR: 完全統計的3次元モデリングのための球面頭部登録
- Authors: Eduard Gabriel Bazavan, Andrei Zanfir, Thiemo Alldieck, Teodor
Alexandru Szente, Mihai Zanfir and Cristian Sminchisescu
- Abstract要約: SPHEARは正確なパラメトリック統計学的3次元頭部モデルである。
これは、自動現実的なビジュアルデータ生成、セマンティックアノテーション、一般的な再構築タスクに使用できる。
- 参考スコア（独自算出の注目度）: 39.08979926878052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present \emph{SPHEAR}, an accurate, differentiable parametric statistical
3D human head model, enabled by a novel 3D registration method based on
spherical embeddings. We shift the paradigm away from the classical Non-Rigid
Registration methods, which operate under various surface priors, increasing
reconstruction fidelity and minimizing required human intervention.
Additionally, SPHEAR is a \emph{complete} model that allows not only to sample
diverse synthetic head shapes and facial expressions, but also gaze directions,
high-resolution color textures, surface normal maps, and hair cuts represented
in detail, as strands. SPHEAR can be used for automatic realistic visual data
generation, semantic annotation, and general reconstruction tasks. Compared to
state-of-the-art approaches, our components are fast and memory efficient, and
experiments support the validity of our design choices and the accuracy of
registration, reconstruction and generation techniques.
- Abstract（参考訳）: 本研究では,球面埋め込みに基づく新しい3次元登録法により,高精度で微分可能な3次元人頭モデルである \emph{sphear} を提案する。
従来の非リジッド登録法からパラダイムを移行し,様々な表面前処理の下で動作し,再構築の忠実性を高め,必要な介入を最小化する。
さらに、sphear は \emph{complete} モデルであり、多様な合成頭の形や表情をサンプリングするだけでなく、視線方向、高解像度のカラーテクスチャ、表面の正常な地図、細部で表現されたヘアカットをストランドとしてサンプリングすることができる。
SPHEARは、自動現実的な視覚データ生成、セマンティックアノテーション、一般的な再構築タスクに使用できる。
最先端のアプローチと比較して,我々のコンポーネントは高速かつメモリ効率が高く,設計選択の妥当性と登録,再構築,生成の精度を実験でサポートしています。
関連論文リスト
- DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。
幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。
テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
論文 参考訳（メタデータ） (2024-11-03T15:15:01Z) - HAvatar: High-fidelity Head Avatar via Facial Model Conditioned Neural
Radiance Field [44.848368616444446]
我々は,NeRFの表現性とパラメトリックテンプレートからの事前情報を統合する,新しいハイブリッド・明示的3次元表現,顔モデル条件付きニューラルラジアンス場を導入する。
画像から画像への変換ネットワークを用いた全体的なGANアーキテクチャを採用することにより,動的頭部外観の高分解能,現実的,かつ一貫した合成を実現する。
論文 参考訳（メタデータ） (2023-09-29T10:45:22Z) - Neural Poisson: Indicator Functions for Neural Fields [25.41908065938424]
3次元形状の符号付き距離場表現(SDF)は顕著な進展を示した。
本稿では,3次元シーンのニューラルフィールド表現のための新しいパラダイムを提案する。
提案手法は, 合成3次元シーンデータと実写3次元シーンデータの両方に対して, 最先端の再構築性能を示す。
論文 参考訳（メタデータ） (2022-11-25T17:28:22Z) - 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) - H3D-Net: Few-Shot High-Fidelity 3D Head Reconstruction [27.66008315400462]
表面形状を暗黙的に表現する最近の学習手法は、多視点3次元再構成の問題において顕著な結果を示している。
我々はこれらの制限を,数発のフル3次元頭部再構成の特定の問題に対処する。
暗黙の表現を用いて,数千個の不完全な生スキャンから3次元頭部形状モデルを学習する。
論文 参考訳（メタデータ） (2021-07-26T23:04:18Z) - Shape My Face: Registering 3D Face Scans by Surface-to-Surface
Translation [75.59415852802958]
Shape-My-Face (SMF) は、改良されたポイントクラウドエンコーダ、新しい視覚的注意機構、スキップ接続付きグラフ畳み込みデコーダ、特殊口モデルに基づく強力なエンコーダデコーダアーキテクチャである。
私たちのモデルは、トポロジカルにサウンドメッシュを最小限の監視で提供し、より高速なトレーニング時間を提供し、訓練可能なパラメータを桁違いに減らし、ノイズに強く、以前は見られないデータセットに一般化することができます。
論文 参考訳（メタデータ） (2020-12-16T20:02:36Z) - Combining Implicit Function Learning and Parametric Models for 3D Human
Reconstruction [123.62341095156611]
深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。
このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。
詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:46:14Z) - 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)
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。