論文の概要: GaussianHead: Impressive Head Avatars with Learnable Gaussian Diffusion
- arxiv url: http://arxiv.org/abs/2312.01632v2
- Date: Thu, 28 Dec 2023 05:54:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 21:34:49.058326
- Title: GaussianHead: Impressive Head Avatars with Learnable Gaussian Diffusion
- Title(参考訳): gaussianhead: 学習可能なgaussian diffusionを持つ印象的な頭部アバター
- Authors: Jie Wang, Jiu-Cheng Xie, Xianyan Li, Feng Xu, Chi-Man Pun, Hao Gao
- Abstract要約: 変形可能な3次元ガウスアンを頭部アバターの構成要素として利用するガウスアンヘッドについて述べる。
そこで本研究では,動的拡散を受けるために指定されたコアガウスを因子面にマッピングし,正規部分因子を取得する手法を提案する。
このアプローチは、特に歯、しわ、髪、さらには顔の毛穴のような微妙な構造の表現能力を向上させるために、軸方向のマッピングを利用する以前の慣習から逸脱している。
- 参考スコア(独自算出の注目度): 37.50920368655034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous head avatar methods have primarily relied on fixed-shape scene
primitives, lacking a balance between geometric topology, texture details, and
computational efficiency. Some hybrid neural network methods (e.g., planes and
voxels) gained advantages in fast rendering, but they all used axis-aligned
mappings to extract features explicitly, leading to issues of axis-aligned bias
and feature dilution. We present GaussianHead, which utilizes deformable 3D
Gaussians as building blocks for the head avatars. We propose a novel
methodology where the core Gaussians designated for rendering undergo dynamic
diffusion before being mapped onto a factor plane to acquire canonical
sub-factors. Through our factor blending strategy, the canonical features for
the core Gaussians used in rendering are obtained. This approach deviates from
the previous practice of utilizing axis-aligned mappings, especially improving
the representation capability of subtle structures such as teeth, wrinkles,
hair, and even facial pores. In comparison to state-of-the-art methods, our
unique primitive selection and factor decomposition in GaussianHead deliver
superior visual results while maintaining rendering performance (0.1 seconds
per frame). Code will released for research.
- Abstract(参考訳): 以前の頭部アバター法は主に固定形状のシーンプリミティブに依存しており、幾何学的トポロジー、テクスチャの詳細、計算効率のバランスが欠如している。
いくつかのハイブリッドニューラルネットワーク(平面やボクセルなど)は高速レンダリングの利点を享受したが、いずれも軸方向のマッピングを使用して特徴を明示的に抽出し、軸方向のバイアスや特徴の希釈の問題を引き起こした。
本稿では,変形可能な3次元ガウスを頭部アバターの構成要素として利用するガウスヘッドを提案する。
そこで本研究では,動的拡散を受けるために指定されたコアガウスを因子面にマッピングし,正規部分因子を取得する手法を提案する。
われわれの因子ブレンディング戦略により,レンダリングに使用されるガウスコアの標準的特徴が得られた。
このアプローチは、特に歯、しわ、髪、さらには顔の毛穴のような微妙な構造の表現能力を向上させるために、軸方向のマッピングを利用する以前の慣習から逸脱している。
最先端のメソッドと比較して、gaussianheadのユニークなプリミティブ選択とファクタ分解は、レンダリングパフォーマンスを維持しながら優れたビジュアル結果をもたらします(1フレームあたり0.1秒)。
コードは研究のためにリリースされる。
関連論文リスト
- Gaussian Opacity Fields: Efficient and Compact Surface Reconstruction in Unbounded Scenes [50.92217884840301]
Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質でコンパクトな表面再構成のための新しいアプローチである。
GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。
GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
論文 参考訳(メタデータ) (2024-04-16T17:57:19Z) - GVGEN: Text-to-3D Generation with Volumetric Representation [89.55687129165256]
3Dガウススプラッティングは、高速で高品質なレンダリング機能で知られる3D再構成と生成のための強力な技術として登場した。
本稿では,テキスト入力から3次元ガウス表現を効率的に生成する新しい拡散型フレームワークGVGENを提案する。
論文 参考訳(メタデータ) (2024-03-19T17:57:52Z) - Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。
我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。
提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
論文 参考訳(メタデータ) (2024-02-07T12:36:54Z) - GAvatar: Animatable 3D Gaussian Avatars with Implicit Mesh Learning [60.33970027554299]
ガウススプラッティングは、明示的(メッシュ)と暗黙的(NeRF)の両方の3D表現の利点を利用する強力な3D表現として登場した。
本稿では,ガウススプラッティングを利用してテキスト記述から現実的なアニマタブルなアバターを生成する。
提案手法であるGAvatarは,テキストプロンプトのみを用いて,多様なアニマタブルアバターを大規模に生成する。
論文 参考訳(メタデータ) (2023-12-18T18:59:12Z) - MonoGaussianAvatar: Monocular Gaussian Point-based Head Avatar [44.125711148560605]
モノガウスアバター(MonoGaussian Avatar)は、3次元ガウス点表現とガウス変形場を利用する新しいアプローチである。
実験により, 従来手法の最先端化を図り, 提案手法の優れた性能を実証した。
論文 参考訳(メタデータ) (2023-12-07T18:59:31Z) - Gaussian3Diff: 3D Gaussian Diffusion for 3D Full Head Synthesis and
Editing [53.05069432989608]
本稿では,3次元人間の頭部を顕著な柔軟性で生成するための新しい枠組みを提案する。
本手法は,顔の特徴や表情を微妙に編集した多彩でリアルな3次元頭部の作成を容易にする。
論文 参考訳(メタデータ) (2023-12-05T19:05:58Z) - Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians [41.86540576028268]
軽量なスパースビュー設定のための制御可能な3次元ガウスヘッドアバターを提案する。
提案手法は,超過大表現下でも2K解像度での超高忠実なレンダリング品質を実現するため,最先端のスパースビュー法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-12-05T11:01:44Z)
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。