論文の概要: ProGraph: Temporally-alignable Probability Guided Graph Topological Modeling for 3D Human Reconstruction

• arxiv url: http://arxiv.org/abs/2411.04399v1
• Date: Thu, 07 Nov 2024 03:28:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:38:45.526631
• Title: ProGraph: Temporally-alignable Probability Guided Graph Topological Modeling for 3D Human Reconstruction
• Title（参考訳）: ProGraph: 図形トポロジカルモデリングによる3次元再構成
• Authors: Hongsheng Wang, Zehui Feng, Tong Xiao, Genfan Yang, Shengyu Zhang, Fei Wu, Feng Lin,
• Abstract要約: 現在のモノクルビデオからの3Dモーション再構成手法は、現在の再構成ウィンドウ内の特徴に依存している。 図形トポロジカルモデリングによる3次元再構成(ProGraph)を提案する。 欠落した部分の回復のために、運動列全体にわたる明示的な位相認識確率分布を利用する。
• 参考スコア（独自算出の注目度）: 32.89841365033135
• License:
• Abstract: Current 3D human motion reconstruction methods from monocular videos rely on features within the current reconstruction window, leading to distortion and deformations in the human structure under local occlusions or blurriness in video frames. To estimate realistic 3D human mesh sequences based on incomplete features, we propose Temporally-alignable Probability Guided Graph Topological Modeling for 3D Human Reconstruction (ProGraph). For missing parts recovery, we exploit the explicit topological-aware probability distribution across the entire motion sequence. To restore the complete human, Graph Topological Modeling (GTM) learns the underlying topological structure, focusing on the relationships inherent in the individual parts. Next, to generate blurred motion parts, Temporal-alignable Probability Distribution (TPDist) utilizes the GTM to predict features based on distribution. This interactive mechanism facilitates motion consistency, allowing the restoration of human parts. Furthermore, Hierarchical Human Loss (HHLoss) constrains the probability distribution errors of inter-frame features during topological structure variation. Our Method achieves superior results than other SOTA methods in addressing occlusions and blurriness on 3DPW.
• Abstract（参考訳）: モノクルビデオからの現在の3次元人間の動き再構成法は、現在の再構成ウィンドウ内の特徴に依存しており、ビデオフレームの局所的な閉塞や曖昧さの下で、人体構造の歪みや変形を引き起こす。 不完全な特徴に基づいて現実的な3次元メッシュ列を推定するために,3次元再構成のための時間適応型確率ガイドグラフトポロジカルモデリング(ProGraph)を提案する。 欠落した部分の回復のために、運動列全体にわたる明示的な位相認識確率分布を利用する。 完全な人間を復元するために、グラフトポロジカルモデリング(GTM)は、個々の部分に固有の関係に焦点をあて、基礎となるトポロジ的構造を学ぶ。 次に, 時間適応確率分布(TPDist)を用いて, 分布に基づく特徴量の予測を行う。 この対話的なメカニズムは動きの一貫性を促進し、人間の部分の復元を可能にする。 さらに,階層型ヒューマンロス(HHLoss)は,位相構造変化に伴うフレーム間特徴の確率分布誤差を制約する。 提案手法は, 3DPWにおけるオクルージョンと曖昧さに対処する他のSOTA法よりも優れた結果が得られる。

関連論文リスト

• DiffHuman: Probabilistic Photorealistic 3D Reconstruction of Humans [38.8751809679184]
  DiffHumanは1枚のRGB画像から3次元人物再構成を行う確率的手法である。 我々の実験は、DiffHumanが入力画像に見えない、あるいは不確実な人物のために、多種多様な詳細な再構成を作成できることを示している。
  論文  参考訳（メタデータ） (2024-03-30T22:28:29Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• SparseFusion: Distilling View-conditioned Diffusion for 3D Reconstruction [26.165314261806603]
  ニューラルレンダリングと確率的画像生成の最近の進歩を統一したスパースビュー3次元再構成手法であるスパースフュージョンを提案する。 既存のアプローチは、通常、再プロジェクションされた機能を持つニューラルレンダリングの上に構築されるが、目に見えない領域を生成したり、大きな視点の変化の下で不確実性に対処できない。
  論文  参考訳（メタデータ） (2022-12-01T18:59:55Z)
• 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 Modeling for Human Mesh Recovery [73.11532990173441]
  本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。 我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
  論文  参考訳（メタデータ） (2021-08-26T17:55:11Z)
• THUNDR: Transformer-based 3D HUmaN Reconstruction with Markers [67.8628917474705]
  THUNDRは、人の3Dポーズと形状を再構築するトランスフォーマーベースのディープニューラルネットワーク手法である。 完全教師付きモデルと自己教師型モデルの両方に対して,Human3.6Mと3DPWの最先端結果を示す。 野生で収集された難易度の高い人間のポーズに対して, 非常に堅固な3次元再構成性能を観察した。
  論文  参考訳（メタデータ） (2021-06-17T09:09:24Z)
• Multi-frame sequence generator of 4D human body motion [0.0]
  本稿では,翻訳と回転を含むグローバルな移動をエンコードする自動エンコーダに基づく生成フレームワークと,単一遅延空間ベクトルとしての多フレーム時間運動を提案する。 本研究は,低誤差境界内でのヒト形態素の4次元配列の再構成能力について検証した。 また,最初の人間のフレームから将来のフレームの4次元動作予測を行う手法の利点についても述べる。
  論文  参考訳（メタデータ） (2021-06-07T13:56:46Z)
• 3D Multi-bodies: Fitting Sets of Plausible 3D Human Models to Ambiguous Image Data [77.57798334776353]
  単眼・部分閉塞視からヒトの高密度3次元再構成を実現することの問題点を考察する。 身体の形状やポーズをパラメータ化することで、あいまいさをより効果的にモデル化できることを示唆する。 提案手法は, 3次元人間の標準ベンチマークにおいて, あいまいなポーズ回復において, 代替手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-02T13:55:31Z)
• 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。

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。