論文の概要: Shallow Signed Distance Functions for Kinematic Collision Bodies

• arxiv url: http://arxiv.org/abs/2411.06719v1
• Date: Mon, 11 Nov 2024 05:09:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:11:15.850795
• Title: Shallow Signed Distance Functions for Kinematic Collision Bodies
• Title（参考訳）: 運動性衝突体における浅信号距離関数
• Authors: Osman Akar, Yushan Han, Yizhou Chen, Weixian Lan, Benn Gallagher, Ronald Fedkiw, Joseph Teran,
• Abstract要約: 本稿では,衣服のシミュレーションから得られたリアルタイムアバター衝突クエリに対して,学習に基づく暗黙の形状表現を提案する。 本モデルは非常に高速かつ正確であり,アニメーションキャラクターによって駆動される衣服のリアルタイムシミュレーションによる適用性を示す。
• 参考スコア（独自算出の注目度）: 4.331557486970585
• License:
• Abstract: We present learning-based implicit shape representations designed for real-time avatar collision queries arising in the simulation of clothing. Signed distance functions (SDFs) have been used for such queries for many years due to their computational efficiency. Recently deep neural networks have been used for implicit shape representations (DeepSDFs) due to their ability to represent multiple shapes with modest memory requirements compared to traditional representations over dense grids. However, the computational expense of DeepSDFs prevents their use in real-time clothing simulation applications. We design a learning-based representation of SDFs for human avatars whoes bodies change shape kinematically due to joint-based skinning. Rather than using a single DeepSDF for the entire avatar, we use a collection of extremely computationally efficient (shallow) neural networks that represent localized deformations arising from changes in body shape induced by the variation of a single joint. This requires a stitching process to combine each shallow SDF in the collection together into one SDF representing the signed closest distance to the boundary of the entire body. To achieve this we augment each shallow SDF with an additional output that resolves whether or not the individual shallow SDF value is referring to a closest point on the boundary of the body, or to a point on the interior of the body (but on the boundary of the individual shallow SDF). Our model is extremely fast and accurate and we demonstrate its applicability with real-time simulation of garments driven by animated characters.
• Abstract（参考訳）: 本稿では,衣服のシミュレーションから得られたリアルタイムアバター衝突クエリに対して,学習に基づく暗黙の形状表現を提案する。 符号付き距離関数 (Signed distance function, SDF) は、その計算効率のため、長年にわたってそのようなクエリに使われてきた。 近年、ディープニューラルネットワークは、高密度グリッド上の従来の表現と比較して、メモリ要求の少ない複数の形状を表現できることから、暗黙の形状表現(DeepSDF)に使用されている。 しかし、DeepSDFの計算コストは、リアルタイムの衣料シミュレーションアプリケーションでの使用を妨げている。 関節型スキンニングにより体がキネマティックに変形するヒトアバターに対するSDFの学習に基づく表現を設計する。 アバター全体に対して1つのDeepSDFを使用するのではなく、単一の関節の変化によって引き起こされる身体形状の変化から生じる局所的な変形を表す非常に効率的な(浅く)ニューラルネットワークのコレクションを使用する。 これにより、各浅いSDFを1つのSDFにまとめて、全身の境界に最も近い距離を示す縫合プロセスが必要とされる。 これを達成するために、各浅部SDFに、個々の浅部SDF値が、体の境界の最も近い点、または体の内部の点(ただし、個々の浅部SDFの境界)を参照しているかどうかを判定する追加出力を加えて、浅部SDFを増強する。 本モデルは非常に高速かつ正確であり,アニメーションキャラクターによる衣料のリアルタイムシミュレーションによる適用性を示した。

関連論文リスト

• SDFit: 3D Object Pose and Shape by Fitting a Morphable SDF to a Single Image [19.704369289729897]
  単一画像から3Dオブジェクトのポーズと形状を復元することに集中する。 最近の研究は、主に有限データセットからの学習に依存しているため、一般化に苦慮している。 SDFitと呼ばれる新しいフレームワークでこれらの制限に対処する。
  論文  参考訳（メタデータ） (2024-09-24T15:22:04Z)
• Probabilistic Directed Distance Fields for Ray-Based Shape Representations [8.134429779950658]
  Directed Distance Fields (DDF) は、古典的な距離場の上に構築された新しいニューラルな形状表現である。 基礎分野における本質的な不連続性をモデル化する方法を示す。 次に, 単一形状のフィッティング, 生成モデリング, 単一像の3次元再構成など, DDFを応用した。
  論文  参考訳（メタデータ） (2024-04-13T21:02:49Z)
• UDiFF: Generating Conditional Unsigned Distance Fields with Optimal Wavelet Diffusion [51.31220416754788]
  UDiFFは非符号距離場(UDF)の3次元拡散モデルであり,テキスト条件や非条件条件から開面を有するテクスチャ化された3次元形状を生成することができる。 我々のキーとなるアイデアは、UDF生成のためのコンパクトな表現空間を生成する最適なウェーブレット変換を用いて、空間周波数領域でUDFを生成することである。
  論文  参考訳（メタデータ） (2024-04-10T09:24:54Z)
• DDF-HO: Hand-Held Object Reconstruction via Conditional Directed Distance Field [82.81337273685176]
  DDF-HOは、DDF(Directed Distance Field)を形状表現として活用する新しいアプローチである。 我々はランダムに複数の光線をサンプリングし、新しい2D線に基づく特徴集約方式を導入することにより、局所的・大域的特徴を収集する。 合成および実世界のデータセットの実験は、DFF-HOが全てのベースライン手法を大きなマージンで一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2023-08-16T09:06:32Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• MetaAvatar: Learning Animatable Clothed Human Models from Few Depth Images [60.56518548286836]
  新規な入力ポーズから現実的な布の変形を生成するには、通常、水密メッシュや高密度フルボディスキャンが入力として必要とされる。 本研究では, 単眼深度画像のみを考慮し, 制御可能なニューラルSDFとして表現された, リアルな衣服付きアバターを迅速に生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-22T17:30:12Z)
• A-SDF: Learning Disentangled Signed Distance Functions for Articulated Shape Representation [62.517760545209065]
  A-SDF (Articulated Signed Distance Functions) を導入して, 曲面形状を表す。 本モデルでは, 部分点群や実世界深度画像など, 未知のデータへの一般化を実証する。
  論文  参考訳（メタデータ） (2021-04-15T17:53:54Z)
• Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes [77.6741486264257]
  本稿では,高忠実度ニューラルネットワークSDFのリアルタイムレンダリングを可能にする,効率的なニューラル表現を提案する。 我々の表現は、以前の作品に比べてレンダリング速度の点で2～3桁の効率であることを示す。
  論文  参考訳（メタデータ） (2021-01-26T18:50:22Z)
• Deep Local Shapes: Learning Local SDF Priors for Detailed 3D Reconstruction [19.003819911951297]
  本稿では,メモリの制限なしに高品質な3次元形状の符号化と再構成が可能な深部形状表現であるDeep Local Shapes (DeepLS)を紹介する。 ニューラルネットワークと1つの潜伏符号を持つオブジェクトレベルのSDFを表すDeepSDFとは異なり、我々は独立した潜伏符号のグリッドを格納し、それぞれが小さな局所的に表面に関する情報を格納する。 このシーンを局所的な形状に分解することで、ネットワークが学習しなければならない事前分布を単純化し、効率的な推論を可能にする。
  論文  参考訳（メタデータ） (2020-03-24T17:21:50Z)

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。