論文の概要: STMPL: Human Soft-Tissue Simulation

• arxiv url: http://arxiv.org/abs/2403.08344v1
• Date: Wed, 13 Mar 2024 08:49:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 15:16:16.179056
• Title: STMPL: Human Soft-Tissue Simulation
• Title（参考訳）: STMPL:人間のソフトタスクシミュレーション
• Authors: Anton Agafonov and Lihi Zelnik-Manor
• Abstract要約: 人体形状と軟組織の統一表現をデータ駆動型非剛性変形シミュレータを用いて提案する。 提案手法はリアルタイムに高精度な推論を実現する。 実験の結果,本手法は軟組織層の可塑性変形を未確認シナリオにおいても達成できることが判明した。
• 参考スコア（独自算出の注目度）: 9.756566640028652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In various applications, such as virtual reality and gaming, simulating the deformation of soft tissues in the human body during interactions with external objects is essential. Traditionally, Finite Element Methods (FEM) have been employed for this purpose, but they tend to be slow and resource-intensive. In this paper, we propose a unified representation of human body shape and soft tissue with a data-driven simulator of non-rigid deformations. This approach enables rapid simulation of realistic interactions. Our method builds upon the SMPL model, which generates human body shapes considering rigid transformations. We extend SMPL by incorporating a soft tissue layer and an intuitive representation of external forces applied to the body during object interactions. Specifically, we mapped the 3D body shape and soft tissue and applied external forces to 2D UV maps. Leveraging a UNET architecture designed for 2D data, our approach achieves high-accuracy inference in real time. Our experiment shows that our method achieves plausible deformation of the soft tissue layer, even for unseen scenarios.
• Abstract（参考訳）: 仮想現実やゲームなどの様々な応用において、外的物体との相互作用における人体の軟組織の変形をシミュレートすることが不可欠である。 伝統的に、有限要素法(FEM)は、この目的のために使われてきたが、それらは遅く、リソース集約的である傾向にある。 本稿では,データ駆動型非剛性変形シミュレータを用いて,人体形状と軟組織を統一的に表現する手法を提案する。 このアプローチは現実的な相互作用の迅速なシミュレーションを可能にする。 本手法は,剛性変換を考慮した人体形状を生成するSMPLモデルに基づく。 軟組織層を組み込むことによりSMPLを拡張し,物体間相互作用において体に作用する外部力の直感的な表現を行う。 具体的には,3次元体の形状と軟部組織をマッピングし,2次元紫外線マップに外部力を適用した。 2次元データ用に設計されたUNETアーキテクチャを活用することで,高精度な推論をリアルタイムに実現する。 実験の結果,本手法は軟組織層の可塑性変形を未確認シナリオにおいても達成できることが判明した。

関連論文リスト

• Physics3D: Learning Physical Properties of 3D Gaussians via Video Diffusion [35.71595369663293]
  ビデオ拡散モデルを用いて3Dオブジェクトの様々な物理的特性を学習する新しい手法である textbfPhysics3D を提案する。 本手法では,粘弾性材料モデルに基づく高一般化物理シミュレーションシステムを設計する。 弾性材料とプラスチック材料の両方を用いて, 本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-06-06T17:59:47Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Learning a Generalized Physical Face Model From Data [19.58920251013244]
  物理シミュレーションは3次元顔アニメーションの強力なアプローチである。 大規模な3次元顔データセットから学習する,一般化された顔モデルを提案する。 我々のモデルは、目に見えないあらゆるアイデンティティに迅速に適合し、自動的に自己認識可能な物理顔モデルを生成することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:59:31Z)
• Implicit Neural Representation for Physics-driven Actuated Soft Bodies [15.261578025057593]
  本稿では、ニューラルネットワークによってパラメータ化されるアクチュエータ信号の最適化のために、微分可能、準静的、物理に基づくシミュレーション層を利用する。 材料空間の空間点からアクティベーション値への連続写像を可能にする関数を定義する。 顔画像の特定の場合の暗黙的モデルを下顎運動学に拡張し、高品質なキャプチャーシステムで捉えた表情を確実に再現できることを示す。
  論文  参考訳（メタデータ） (2024-01-26T13:42:12Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Animatable Virtual Humans: Learning pose-dependent human representations in UV space for interactive performance synthesis [11.604386285817302]
  高精度な動的メッシュシーケンスから、ポーズ依存の外観と幾何学を学習する。 SMPLモデルの一貫したUV空間において、ポーズ依存の外観と幾何学の両方を符号化する。
  論文  参考訳（メタデータ） (2023-10-05T15:49:44Z)
• Reconfigurable Data Glove for Reconstructing Physical and Virtual Grasps [100.72245315180433]
  本研究では,人間の手-物体相互作用の異なるモードを捉えるために,再構成可能なデータグローブの設計を提案する。 グローブは3つのモードで動作し、異なる特徴を持つ様々な下流タスクを実行する。 i)手の動きと関連力を記録し,(ii)VRの操作流速を改善するとともに,(iii)様々なツールの現実的なシミュレーション効果を生み出すことにより,システムの3つのモードを評価する。
  論文  参考訳（メタデータ） (2023-01-14T05:35:50Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)
• Real-time Deep Dynamic Characters [95.5592405831368]
  本研究では,高度にリアルな形状,動き,ダイナミックな外観を示す3次元人物モデルを提案する。 我々は,新しいグラフ畳み込みネットワークアーキテクチャを用いて,身体と衣服の運動依存的変形学習を実現する。 本モデルでは, 運動依存的表面変形, 物理的に妥当な動的衣服変形, および映像現実的表面テクスチャを, 従来よりも細部まで高レベルに生成することを示す。
  論文  参考訳（メタデータ） (2021-05-04T23:28:55Z)
• ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation [75.0278287071591]
  ThreeDWorld (TDW) はインタラクティブなマルチモーダル物理シミュレーションのためのプラットフォームである。 TDWは、リッチな3D環境において、高忠実な感覚データのシミュレーションと、移動体エージェントとオブジェクト間の物理的相互作用を可能にする。 我々は、コンピュータビジョン、機械学習、認知科学における新たな研究方向において、TDWによって実現された初期実験を提示する。
  論文  参考訳（メタデータ） (2020-07-09T17:33:27Z)

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。