論文の概要: A Survey on 3D Human Avatar Modeling -- From Reconstruction to Generation

• arxiv url: http://arxiv.org/abs/2406.04253v1
• Date: Thu, 6 Jun 2024 16:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-07 13:50:11.840642
• Title: A Survey on 3D Human Avatar Modeling -- From Reconstruction to Generation
• Title（参考訳）: 3次元アバターモデリングに関する研究 -再構築から生成まで-
• Authors: Ruihe Wang, Yukang Cao, Kai Han, Kwan-Yee K. Wong,
• Abstract要約: 多くの現実世界のアプリケーションの中核に位置する3Dヒューマンモデリングは、大きな注目を集めている。 本調査は,3次元アバターモデリングの新技術の概要を明らかにすることを目的としている。
• 参考スコア（独自算出の注目度）: 20.32107267981782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D modeling has long been an important area in computer vision and computer graphics. Recently, thanks to the breakthroughs in neural representations and generative models, we witnessed a rapid development of 3D modeling. 3D human modeling, lying at the core of many real-world applications, such as gaming and animation, has attracted significant attention. Over the past few years, a large body of work on creating 3D human avatars has been introduced, forming a new and abundant knowledge base for 3D human modeling. The scale of the literature makes it difficult for individuals to keep track of all the works. This survey aims to provide a comprehensive overview of these emerging techniques for 3D human avatar modeling, from both reconstruction and generation perspectives. Firstly, we review representative methods for 3D human reconstruction, including methods based on pixel-aligned implicit function, neural radiance field, and 3D Gaussian Splatting, etc. We then summarize representative methods for 3D human generation, especially those using large language models like CLIP, diffusion models, and various 3D representations, which demonstrate state-of-the-art performance. Finally, we discuss our reflection on existing methods and open challenges for 3D human avatar modeling, shedding light on future research.
• Abstract（参考訳）: 3Dモデリングはコンピュータビジョンとコンピュータグラフィックスにおいて長い間重要な領域であった。 近年, ニューラル表現と生成モデルの進歩により, 3次元モデリングの急速な発展が見られた。 ゲームやアニメーションなど、多くの現実世界のアプリケーションの中核に位置する3Dヒューマンモデリングは、大きな注目を集めている。 過去数年間、人間の3Dアバターを作るための大規模な研究が行われ、3Dモデリングのための新しい豊富な知識基盤を形成してきた。 文学の規模は、個人がすべての作品を追跡するのを困難にしている。 本調査は, これら3次元アバターモデリング技術について, 再構築と生成の両面から概観することを目的としている。 まず, 画素アラインの暗黙的機能, 神経放射場, 3次元ガウススプラッティングなどに基づく3次元人体再構成の代表的手法について検討する。 次に,その代表的手法,特にCLIP,拡散モデル,および最先端性能を示す様々な3D表現などの大規模言語モデルを用いたものを要約する。 最後に,3次元アバターモデリングにおける既存の手法とオープンな課題について考察し,今後の研究に光を当てる。

関連論文リスト

• Progress and Prospects in 3D Generative AI: A Technical Overview including 3D human [51.58094069317723]
  本稿は,2023年後半に主に刊行された関連論文の概要と概要を概説することを目的とする。 最初は、AIが生成したオブジェクトモデルを3Dで議論し、続いて生成された3Dの人間モデル、そして最後に生成された3Dの人間の動きを、決定的な要約と未来へのビジョンで結論付ける。
  論文  参考訳（メタデータ） (2024-01-05T03:41:38Z)
• DreamHuman: Animatable 3D Avatars from Text [41.30635787166307]
  本研究では,テキスト記述のみから現実的な3次元アバターモデルを生成するDreamHumanを提案する。 我々の3Dモデルは、外観、衣服、肌のトーン、体形が多様であり、一般的なテキストから3Dへのアプローチと、以前のテキストベースの3Dアバタージェネレータを視覚的忠実度で大幅に上回っている。
  論文  参考訳（メタデータ） (2023-06-15T17:58:21Z)
• Human 3D Avatar Modeling with Implicit Neural Representation: A Brief Survey [4.344033579889361]
  本稿では,人体モデリングにおける暗黙的神経表現の応用を包括的にレビューする。 本研究では,占領野,SDF,NeRFの3つの暗黙的表現を導入し,文献の分類を行った。
  論文  参考訳（メタデータ） (2023-06-06T10:51:05Z)
• StyleAvatar3D: Leveraging Image-Text Diffusion Models for High-Fidelity 3D Avatar Generation [103.88928334431786]
  高品質な3Dアバターを製作するための新しい手法を提案する。 データ生成には事前学習した画像テキスト拡散モデルとGANベースの3次元生成ネットワークを用いて訓練を行う。 提案手法は、生産されたアバターの視覚的品質と多様性の観点から、現在の最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-30T13:09:21Z)
• AG3D: Learning to Generate 3D Avatars from 2D Image Collections [96.28021214088746]
  本稿では,2次元画像から現実的な3次元人物の新たな逆生成モデルを提案する。 本手法は, 全身型3Dジェネレータを用いて, 体の形状と変形を捉える。 提案手法は, 従来の3次元・調音認識手法よりも幾何的, 外観的に優れていた。
  論文  参考訳（メタデータ） (2023-05-03T17:56:24Z)
• DreamAvatar: Text-and-Shape Guided 3D Human Avatar Generation via Diffusion Models [55.71306021041785]
  高品質な3Dアバターを作成するためのテキスト・アンド・シェイプ・ガイドフレームワークであるDreamAvatarについて紹介する。 SMPLモデルを利用して、生成のための形状とポーズのガイダンスを提供する。 また、全体とズームインした3Dヘッドから計算した損失を共同で最適化し、一般的なマルチフェイス「Janus」問題を緩和する。
  論文  参考訳（メタデータ） (2023-04-03T12:11:51Z)
• AvatarGen: A 3D Generative Model for Animatable Human Avatars [108.11137221845352]
  アバタージェネレーション(AvatarGen)は、様々な外観と制御可能なジオメトリーを持つ3D認識された人間の無監督世代である。 提案手法は, 高品質な外観と幾何学的モデリングにより, アニマタブルな3次元アバターを生成することができる。 シングルビュー再構成、再アニメーション、テキスト誘導合成/編集など、多くのアプリケーションに向いている。
  論文  参考訳（メタデータ） (2022-11-26T15:15:45Z)
• AvatarGen: a 3D Generative Model for Animatable Human Avatars [108.11137221845352]
  アバタージェネレーション(AvatarGen)は、多様な外観を持つ非剛体世代だけでなく、ポーズや視点の完全な制御を可能にする最初の方法である。 非剛性力学をモデル化するために、正準空間におけるポーズ依存的な変形を学習するための変形ネットワークを導入する。 提案手法は,高品質な外観と幾何モデルを備えたアニマタブルな人体アバターを生成でき,従来の3D GANよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-08-01T01:27:02Z)

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。