Fugu-MT 論文翻訳(概要): Partition-based Nonrigid Registration for 3D Face Model

論文の概要: Partition-based Nonrigid Registration for 3D Face Model

arxiv url: http://arxiv.org/abs/2401.02607v1
Date: Fri, 5 Jan 2024 02:46:08 GMT
ステータス: 処理完了
システム内更新日: 2024-01-08 16:23:18.673132
Title: Partition-based Nonrigid Registration for 3D Face Model
Title（参考訳）: パーティショニングに基づく3次元顔モデルの非剛性登録
Authors: Yuping Ye, Zhan Song, Juan Zhao
Abstract要約: 提案手法はまずランドマークを用いてテンプレートモデルを分割し,各部分を拡大し,最後に境界を滑らかにする。実験の結果,従来のワープ法よりも優れた性能を示し,局所的なミニマに頑健であることがわかった。
参考スコア（独自算出の注目度）: 0.6824887331830121
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: This paper presents a partition-based surface registration for 3D morphable model(3DMM). In the 3DMM, it often requires to warp a handcrafted template model into different captured models. The proposed method first utilizes the landmarks to partition the template model then scale each part and finally smooth the boundaries. This method is especially effective when the disparity between the template model and the target model is huge. The experiment result shows the method perform well than the traditional warp method and robust to the local minima.
Abstract（参考訳）: 本稿では,3d morphable model(3dmm)の分割に基づく表面登録について述べる。 3DMMでは、手作りのテンプレートモデルを異なるキャプチャーモデルにワープする必要があることが多い。提案手法はまずランドマークを用いてテンプレートモデルを分割し,各部分を拡大し,最後に境界を滑らかにする。この方法はテンプレートモデルとターゲットモデルとの相違が巨大である場合に特に有効である。実験の結果, 従来のワープ法よりも性能が良く, 局所極小法に頑健であることが判明した。

関連論文リスト

DreamVTON: Customizing 3D Virtual Try-on with Personalized Diffusion Models [56.55549019625362]
画像ベースの3Dバーチャルトライオン(VTON)は、人や衣服の画像に基づいて3D人間を彫刻することを目的としている。近年のテキスト・ツー・3D法は高忠実度3Dヒューマンジェネレーションにおいて顕著な改善を実現している。我々は,3次元人間の形状とテクスチャを個別に最適化するために,textbfDreamVTONという新しい3次元人体試行モデルを提案する。
論文参考訳（メタデータ） (2024-07-23T14:25:28Z)
Measuring the Discrepancy between 3D Geometric Models using Directional Distance Fields [98.15456815880911]
本稿では,DirDistを提案する。DirDistは3次元幾何データに対して,効率的で効果的で,頑健で,微分可能な距離測定法である。一般的な距離計量として、DirDistは3次元幾何学モデリングの分野を前進させる可能性がある。
論文参考訳（メタデータ） (2024-01-18T05:31:53Z)
PHRIT: Parametric Hand Representation with Implicit Template [24.699079936958892]
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。
論文参考訳（メタデータ） (2023-09-26T13:22:33Z)
NPC: Neural Point Characters from Video [21.470471345454524]
高忠実な人間の3Dモデルは、ビデオから直接学ぶことができる。以前の方法はテンプレートの使用を避けるが、観測から標準空間への高コストあるいは不適切なマッピングに依存していた。アニマタブルな文字を再構成するためのハイブリッドなポイントベース表現を提案する。
論文参考訳（メタデータ） (2023-04-04T17:59:22Z)
Training and Tuning Generative Neural Radiance Fields for Attribute-Conditional 3D-Aware Face Generation [66.21121745446345]
本稿では,特定の属性ラベルを入力として統合した条件付きGNeRFモデルを提案する。提案手法は, 事前学習した3次元顔モデルに基づいており, 条件付き正規化フローモジュールをトレーニングするためのTraining as Init and fidelity for Tuning (TRIOT) 方式を提案する。本実験は,ビューの整合性を高めた高品質な編集を行う能力を示すとともに,本モデルの有効性を実証するものである。
論文参考訳（メタデータ） (2022-08-26T10:05:39Z)
Learned Vertex Descent: A New Direction for 3D Human Model Fitting [64.04726230507258]
画像やスキャンに適合する3次元人体モデルのための新しい最適化手法を提案する。われわれのアプローチは、非常に異なる体型を持つ服を着た人々の基盤となる身体を捉えることができ、最先端技術と比べて大きな改善を達成できる。 LVDはまた、人間と手の3次元モデル適合にも適用でき、よりシンプルで高速な方法でSOTAに大きな改善が示される。
論文参考訳（メタデータ） (2022-05-12T17:55:51Z)
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)
Building 3D Generative Models from Minimal Data [3.472931603805115]
一つの3Dテンプレート(1人1人ではなく1人1人)で顔の認識が可能であることを示す。我々は,1つの3次元テンプレートと少数の2次元画像を用いて,3次元顔の分布の学習を可能にする,予備的な教師なし学習フレームワークにモデルを拡張した。
論文参考訳（メタデータ） (2022-03-04T20:10:50Z)
Shape from Projections via Differentiable Forward Projector for Computed Tomography [4.304380400377787]
本稿では,3次元メッシュのフォワードモデルと最適化のギャップを埋める3次元メッシュの微分可能フォワードモデルを提案する。提案した前方モデルを用いて,プロジェクションから直接3次元形状を再構成する。単目的問題に対する実験結果から,提案手法はノイズシミュレーションデータ上で従来のボクセル法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-06-29T15:33:30Z)
Deformation-Aware 3D Model Embedding and Retrieval [37.538109895618156]
与えられたクエリ形状に変形可能な3Dモデルを取得するという新しい問題を導入する。位置依存型自我中心距離場を利用して非対称な関係を学習する新しいディープ埋め込み手法を提案する。
論文参考訳（メタデータ） (2020-04-02T19:10:57Z)
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。