論文の概要: DI-Net : Decomposed Implicit Garment Transfer Network for Digital Clothed 3D Human

• arxiv url: http://arxiv.org/abs/2311.16818v1
• Date: Tue, 28 Nov 2023 14:28:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 18:19:33.277432
• Title: DI-Net : Decomposed Implicit Garment Transfer Network for Digital Clothed 3D Human
• Title（参考訳）: DI-Net : デジタル衣服3次元人体のための非競合ガーメント転送ネットワーク
• Authors: Xiaojing Zhong, Yukun Su, Zhonghua Wu, Guosheng Lin, Qingyao Wu
• Abstract要約: 既存の2D仮想試行法は、各ピクセルの深さを知覚できないため、直接3Dに拡張することはできない。 本稿では,新たに試みられた3次元メッシュをシームレスに再構築可能な,分解型インプリシト衣服転送ネットワーク(DI-Net)を提案する。
• 参考スコア（独自算出の注目度）: 75.45488434002898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D virtual try-on enjoys many potential applications and hence has attracted wide attention. However, it remains a challenging task that has not been adequately solved. Existing 2D virtual try-on methods cannot be directly extended to 3D since they lack the ability to perceive the depth of each pixel. Besides, 3D virtual try-on approaches are mostly built on the fixed topological structure and with heavy computation. To deal with these problems, we propose a Decomposed Implicit garment transfer network (DI-Net), which can effortlessly reconstruct a 3D human mesh with the newly try-on result and preserve the texture from an arbitrary perspective. Specifically, DI-Net consists of two modules: 1) A complementary warping module that warps the reference image to have the same pose as the source image through dense correspondence learning and sparse flow learning; 2) A geometry-aware decomposed transfer module that decomposes the garment transfer into image layout based transfer and texture based transfer, achieving surface and texture reconstruction by constructing pixel-aligned implicit functions. Experimental results show the effectiveness and superiority of our method in the 3D virtual try-on task, which can yield more high-quality results over other existing methods.
• Abstract（参考訳）: 3Dバーチャルトライオンは、多くの潜在的なアプリケーションを楽しむため、広く注目を集めている。 しかし、まだ十分に解決されていない課題である。 既存の2D仮想試行法は、各ピクセルの深さを知覚できないため、直接3Dに拡張することはできない。 さらに、3d仮想トライオンアプローチは主に固定位相構造と重い計算によって構築される。 これらの問題に対処するために, 新たに試みた結果を用いて3次元メッシュをシームレスに再構築し, 任意の視点からテクスチャを保存できる, Decomposed Implicit clothing Transfer Network (DI-Net)を提案する。 具体的には、DI-Netは2つのモジュールから構成される。 1) 濃密な対応学習及び疎流学習を通じて、原画像と同一のポーズを有するように基準画像に警告する補完的な整合モジュール。 2) 画像レイアウトに基づく移動とテクスチャに基づく移動を分解し, 画素アラインの暗黙的関数を構成することで表面とテクスチャの再構築を実現する。 実験の結果,3次元仮想試行課題における提案手法の有効性と優位性を示し,既存の手法よりも高品質な結果が得られることを示した。

関連論文リスト

• Unsupervised Style-based Explicit 3D Face Reconstruction from Single Image [10.1205208477163]
  本研究では,Unsupervised 2D to Explicit 3D Style Transferを解くための一般的な逆学習フレームワークを提案する。 具体的には、Wuらによる教師なし明示的な3D再構成ネットワークと、StarGAN-v2というジェネレーティブ・アドバイザリ・ネットワーク(GAN)の2つのアーキテクチャを統合する。 提案手法は,DepthNetを3次元再構成で,Pix2NeRFを条件付き転送で,よく確立されたソリューションよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-24T21:25:06Z)
• Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
  StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。 対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。 本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T18:49:50Z)
• 3D-Aware Indoor Scene Synthesis with Depth Priors [62.82867334012399]
  既存の手法では、室内配置や内部の物体の多様さのため、屋内シーンのモデル化に失敗する。 室内のシーンは共通な内在構造を持たず、2次元画像のみを用いるだけでは3次元形状のモデルが適切にガイドできない。
  論文  参考訳（メタデータ） (2022-02-17T09:54:29Z)
• Style Agnostic 3D Reconstruction via Adversarial Style Transfer [23.304453155586312]
  物体の3次元形状を画像から再構成することは、コンピュータビジョンにおける大きな課題である。 本研究では,背景を持つ画像から3次元物体を識別可能な学習法を提案する。
  論文  参考訳（メタデータ） (2021-10-20T21:24:44Z)
• Unsupervised High-Fidelity Facial Texture Generation and Reconstruction [20.447635896077454]
  本稿では,タスクとテクスチャの生成,高忠実度テクスチャの回復という新たな統合パイプラインを提案する。 テクスチャモデルでは,テクスチャマップのスキャンとは対照的に,自然画像から教師なしでテクスチャモデルを学習する。 正確な3DMMフィッティングを適用することで、モデル化したテクスチャを合成生成した背景画像にシームレスに統合することができる。
  論文  参考訳（メタデータ） (2021-10-10T10:59:04Z)
• M3D-VTON: A Monocular-to-3D Virtual Try-On Network [62.77413639627565]
  既存の3D仮想試行法は主に注釈付き3D人体形状と衣服テンプレートに依存している。 本稿では,2次元と3次元の両方のアプローチの利点を生かした,モノクロから3次元仮想トライオンネットワーク(M3D-VTON)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T10:05:17Z)
• D-OccNet: Detailed 3D Reconstruction Using Cross-Domain Learning [0.0]
  我々は,画像領域とポイント領域のクロスドメイン学習を活用し,占有ネットワークに関する研究を拡大する。 我々のネットワークであるDouble Occupancy Network(D-OccNet)は、3D再構成で捉えた視覚的品質と詳細という点でOccupancy Networksを上回っている。
  論文  参考訳（メタデータ） (2021-04-28T16:00:54Z)
• Improved Modeling of 3D Shapes with Multi-view Depth Maps [48.8309897766904]
  CNNを用いて3次元形状をモデル化するための汎用フレームワークを提案する。 オブジェクトの1つの深度画像だけで、3Dオブジェクトの高密度な多視点深度マップ表現を出力できる。
  論文  参考訳（メタデータ） (2020-09-07T17:58:27Z)
• Learning to Transfer Texture from Clothing Images to 3D Humans [50.838970996234465]
  そこで本稿では,SMPL上着の3D衣服に衣料画像のテクスチャを自動的にリアルタイムに転送する手法を提案する。 まず, 高精度だが遅い3D-3D登録法を用いて, 整列した3D衣料を用いて, 画像のトレーニングペアを計算した。 我々のモデルは仮想試行のような応用への扉を開き、学習に必要な多様なテクスチャを持つ3D人間を作成できる。
  論文  参考訳（メタデータ） (2020-03-04T12:53:58Z)

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。