論文の概要: Dessie: Disentanglement for Articulated 3D Horse Shape and Pose Estimation from Images

• arxiv url: http://arxiv.org/abs/2410.03438v2
• Date: Thu, 31 Oct 2024 13:41:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 22:19:23.249805
• Title: Dessie: Disentanglement for Articulated 3D Horse Shape and Pose Estimation from Images
• Title（参考訳）: Dessie: 3D馬の形状と画像からのポス推定のためのアンタングルメント
• Authors: Ci Li, Yi Yang, Zehang Weng, Elin Hernlund, Silvia Zuffi, Hedvig Kjellström,
• Abstract要約: 合成データ生成とゆがみを利用して3次元形状とポーズを復元する最初の手法を提案する。 我々の方法であるDessieは、既存の3D馬の復元方法を超え、シマウマ、ウシ、シカといった他の大型動物に一般化する。
• 参考スコア（独自算出の注目度）: 21.718426435322925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, 3D parametric animal models have been developed to aid in estimating 3D shape and pose from images and video. While progress has been made for humans, it's more challenging for animals due to limited annotated data. To address this, we introduce the first method using synthetic data generation and disentanglement to learn to regress 3D shape and pose. Focusing on horses, we use text-based texture generation and a synthetic data pipeline to create varied shapes, poses, and appearances, learning disentangled spaces. Our method, Dessie, surpasses existing 3D horse reconstruction methods and generalizes to other large animals like zebras, cows, and deer. See the project website at: \url{https://celiali.github.io/Dessie/}.
• Abstract（参考訳）: 近年,画像や映像から3次元形状やポーズを推定するための3次元パラメトリック動物モデルが開発されている。 人間にとって進歩はあったものの、注釈付きデータが限られているため、動物にとってはより困難です。 そこで本研究では,合成データ生成とゆがみを用いた3次元形状の復元とポーズの学習について紹介する。 馬に焦点をあてて、テキストベースのテクスチャ生成と合成データパイプラインを使用して、さまざまな形状、ポーズ、外観を作成し、絡み合った空間を学習する。 我々の方法であるDessieは、既存の3D馬の復元方法を超え、シマウマ、ウシ、シカといった他の大型動物に一般化する。 プロジェクトのWebサイトは: \url{https://celiali.github.io/Dessie/} を参照してください。

関連論文リスト

• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• Learning the 3D Fauna of the Web [70.01196719128912]
  3D-Faunaは,100種以上の動物種を対象に,パンカテゴリーで変形可能な3D動物モデルを共同で学習する手法である。 動物モデリングにおける重要なボトルネックの1つは、トレーニングデータの可用性の制限である。 従来のカテゴリー固有の試みは,訓練画像に制限のある希少種への一般化に失敗することを示す。
  論文  参考訳（メタデータ） (2024-01-04T18:32:48Z)
• Animal3D: A Comprehensive Dataset of 3D Animal Pose and Shape [32.11280929126699]
  哺乳類の3Dポーズと形状推定のための包括的データセットであるAnimal3Dを提案する。 動物3Dは、40種の哺乳類から収集された3379枚の画像、26個のキーポイントの高品質なアノテーション、特にSMALモデルのポーズと形状パラメータで構成されている。 The Animal3D data based on the Animal3D dataset, we benchmark representative shape and pose Estimation model at (1) 教師付き学習, (2) 合成画像から実写への変換, 3) 微調整された人間のポーズと形状推定モデル。
  論文  参考訳（メタデータ） (2023-08-22T18:57:07Z)
• SCULPT: Shape-Conditioned Unpaired Learning of Pose-dependent Clothed and Textured Human Meshes [62.82552328188602]
  SCULPTは,人間の布とテクスチャを用いた3次元メッシュの新規な3次元生成モデルである。 我々は, 被服体の形状と外観分布を表現できるディープニューラルネットワークを考案した。
  論文  参考訳（メタデータ） (2023-08-21T11:23:25Z)
• A Horse with no Labels: Self-Supervised Horse Pose Estimation from Unlabelled Images and Synthetic Prior [1.0878040851638]
  動物ポーズを推定するための簡易かつ効果的な自己教師手法を提案する。 提案手法は,主にYouTubeビデオ用に収集された馬の画像と,2D合成ポーズからなる先行画像を用いて訓練する。 合成データから生成した画像や2次元の小さな2次元ポーズのような仮定は少ないものの、正確な動物のポーズを学習することは可能であることを実証する。
  論文  参考訳（メタデータ） (2023-08-07T09:02:26Z)
• LASSIE: Learning Articulated Shapes from Sparse Image Ensemble via 3D Part Discovery [72.3681707384754]
  そこで,本研究では,特定の動物種について,数枚の画像のみを用いて,動物の3次元ポーズと形状を推定する現実的な問題設定を提案する。 我々は2Dや3Dの地平線アノテーションを前提としないし、多視点や時間的情報も利用しない。 そこで本研究では,3次元部品を自己監督的に発見する新しい最適化フレームワークLASSIEを提案する。
  論文  参考訳（メタデータ） (2022-07-07T17:00:07Z)
• Unsupervised Shape and Pose Disentanglement for 3D Meshes [49.431680543840706]
  本研究では,非教師付き環境において,非教師付き形状とポーズ表現を学習するための,シンプルで効果的なアプローチを提案する。 自己整合性と相互整合性の制約を組み合わせて、登録メッシュからポーズと空間の形状を学ぶ。 ポーズ転送や形状検索などのタスクを通じて,学習した表現の有用性を示す。
  論文  参考訳（メタデータ） (2020-07-22T11:00:27Z)
• RGBD-Dog: Predicting Canine Pose from RGBD Sensors [25.747221533627464]
  RGBD画像から3次元犬のポーズ推定の問題に焦点をあてる。 このデータから合成RGBD画像のデータセットを生成する。 積み重ねられた砂時計ネットワークは、3D関節の場所を予測するために訓練される。
  論文  参考訳（メタデータ） (2020-04-16T17:34:45Z)
• Chained Representation Cycling: Learning to Estimate 3D Human Pose and Shape by Cycling Between Representations [73.11883464562895]
  本稿では,教師なし,あるいは教師なしの学習を容易にする新しいアーキテクチャを提案する。 本研究では,非ペア画像と無注釈画像から3次元人物のポーズと形状を学習することにより,その手法を実証する。 人間をモデル化するための結果を示す一方で、私たちの定式化は一般的であり、他の視覚問題にも適用できる。
  論文  参考訳（メタデータ） (2020-01-06T14:54:00Z)

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。