論文の概要: Diffusion Shape Prior for Wrinkle-Accurate Cloth Registration

• arxiv url: http://arxiv.org/abs/2311.05828v1
• Date: Fri, 10 Nov 2023 02:20:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-13 16:09:58.570052
• Title: Diffusion Shape Prior for Wrinkle-Accurate Cloth Registration
• Title（参考訳）: Wrinkle-Accurate Cloth Registration に先立つ拡散形状
• Authors: Jingfan Guo, Fabian Prada, Donglai Xiang, Javier Romero, Chenglei Wu, Hyun Soo Park, Takaaki Shiratori, Shunsuke Saito
• Abstract要約: 本研究では, テクスチャレス服の表面を大変形で正確に登録する手法を提案する。 我々のキーとなる考え方は、拡散モデルを用いて、事前に捕獲された衣服から学んだ形状を効果的に活用することである。 また,大規模変形の登録を安定化する,学習された関数マップに基づく多段階指導手法を提案する。
• 参考スコア（独自算出の注目度）: 36.75937300154577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Registering clothes from 4D scans with vertex-accurate correspondence is challenging, yet important for dynamic appearance modeling and physics parameter estimation from real-world data. However, previous methods either rely on texture information, which is not always reliable, or achieve only coarse-level alignment. In this work, we present a novel approach to enabling accurate surface registration of texture-less clothes with large deformation. Our key idea is to effectively leverage a shape prior learned from pre-captured clothing using diffusion models. We also propose a multi-stage guidance scheme based on learned functional maps, which stabilizes registration for large-scale deformation even when they vary significantly from training data. Using high-fidelity real captured clothes, our experiments show that the proposed approach based on diffusion models generalizes better than surface registration with VAE or PCA-based priors, outperforming both optimization-based and learning-based non-rigid registration methods for both interpolation and extrapolation tests.
• Abstract（参考訳）: 頂点精度対応による4Dスキャンからの衣服の登録は困難であるが,動的外観モデリングや実世界のデータからの物理パラメータ推定には重要である。 しかし,従来の手法では必ずしも信頼できないテクスチャ情報に頼るか,粗いレベルのアライメントしか達成していない。 本研究では, テクスチャレス衣服の表面を大変形で正確に登録する手法を提案する。 我々の重要なアイデアは、拡散モデルを用いて、予め取得した衣服から学習した形状を効果的に活用することである。 また,訓練データと大きく異なる場合であっても大規模変形の登録を安定させる学習機能マップに基づく多段階誘導手法を提案する。 そこで本研究では, 拡散モデルに基づく提案手法が, vae や pca を用いた事前記述よりも一般化され, 補間および補間テストにおいて, 最適化ベースおよび学習ベース非剛性登録法を上回っていることを示す。

関連論文リスト

• Non-Rigid Shape Registration via Deep Functional Maps Prior [1.9249120068573227]
  本研究では,非剛体形状登録のための学習ベースフレームワークを提案する。 我々は、高次元埋め込みによって誘導される対応によって誘導されるターゲットポイントクラウドに向かって、ソースメッシュを変形する。 我々のパイプラインは、厳密でないクラウドマッチングのいくつかのベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-11-08T06:52:57Z)
• On-the-Fly Guidance Training for Medical Image Registration [14.309599960641242]
  本研究は,既存の学習ベース画像登録モデルを改善するための新しいトレーニングフレームワークであるOn-the-Fly Guidance(OFG)を紹介する。 本手法では,ラベル付きデータを必要としない登録モデルをトレーニングするための教師付き手法を提案する。 提案手法は,複数のベンチマークデータセットおよび先行モデルでテストされ,性能が大幅に向上した。
  論文  参考訳（メタデータ） (2023-08-29T11:12:53Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion Networks [63.596602299263935]
  本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。 提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
  論文  参考訳（メタデータ） (2022-05-03T07:54:39Z)
• Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
  本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。 様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
  論文  参考訳（メタデータ） (2022-03-26T16:48:27Z)
• DiffuseMorph: Unsupervised Deformable Image Registration Along Continuous Trajectory Using Diffusion Models [31.826844124173984]
  DiffuseMorphと呼ばれる拡散モデルに基づく新しい確率的画像登録手法を提案する。 本モデルは,動画像と固定画像の変形のスコア関数を学習する。 本手法は, トポロジー保存機能により, 柔軟かつ高精度な変形を可能とする。
  論文  参考訳（メタデータ） (2021-12-09T08:41:23Z)
• Unsupervised Diffeomorphic Surface Registration and Non-Linear Modelling [4.761477900658674]
  低次元確率変形モデル(PDM)を内包する3次元曲面の1段階登録モデルを提案する。 変形は、指数層を用いて微分同相に制約される。 1段階の登録モデルは反復的手法に対してベンチマークされ、高いコンパクト性に適合する形状でわずかに低い性能で取引される。
  論文  参考訳（メタデータ） (2021-09-28T11:47:12Z)
• Locally Aware Piecewise Transformation Fields for 3D Human Mesh Registration [67.69257782645789]
  本論文では,3次元変換ベクトルを学習し,提案空間内の任意のクエリ点をリザーブ空間内の対応する位置にマップする部分変換場を提案する。 パラメトリックモデルにネットワークのポーズを合わせることで、特に極端なポーズにおいて、より優れた登録品質が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-16T15:16:09Z)
• 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)

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。