論文の概要: HandSplat: Embedding-Driven Gaussian Splatting for High-Fidelity Hand Rendering

• arxiv url: http://arxiv.org/abs/2503.14736v1
• Date: Tue, 18 Mar 2025 21:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 15:23:56.064184
• Title: HandSplat: Embedding-Driven Gaussian Splatting for High-Fidelity Hand Rendering
• Title（参考訳）: HandSplat: ハイファイダリティハンドレンダリングのための埋め込み駆動型ガウススプレイティング
• Authors: Yilan Dong, Haohe Liu, Qing Wang, Jiahao Yang, Wenqing Wang, Gregory Slabaugh, Shanxin Yuan,
• Abstract要約: 既存の3次元ガウススプラッティング法は、過度に単純化された非剛体運動モデルを持つ剛体骨格運動に依存している。 HandSplatは、ハンドレンダリングの忠実さと安定性を両立させる新しいフレームワークである。
• 参考スコア（独自算出の注目度）: 15.750852107797538
• License:
• Abstract: Existing 3D Gaussian Splatting (3DGS) methods for hand rendering rely on rigid skeletal motion with an oversimplified non-rigid motion model, which fails to capture fine geometric and appearance details. Additionally, they perform densification based solely on per-point gradients and process poses independently, ignoring spatial and temporal correlations. These limitations lead to geometric detail loss, temporal instability, and inefficient point distribution. To address these issues, we propose HandSplat, a novel Gaussian Splatting-based framework that enhances both fidelity and stability for hand rendering. To improve fidelity, we extend standard 3DGS attributes with implicit geometry and appearance embeddings for finer non-rigid motion modeling while preserving the static hand characteristic modeled by original 3DGS attributes. Additionally, we introduce a local gradient-aware densification strategy that dynamically refines Gaussian density in high-variation regions. To improve stability, we incorporate pose-conditioned attribute regularization to encourage attribute consistency across similar poses, mitigating temporal artifacts. Extensive experiments on InterHand2.6M demonstrate that HandSplat surpasses existing methods in fidelity and stability while achieving real-time performance. We will release the code and pre-trained models upon acceptance.
• Abstract（参考訳）: 既存の3Dガウススプラッティング(3DGS)法は、過度に単純化された非剛体運動モデルによる厳密な骨格運動に依存しており、細かな幾何学的および外観的詳細を捉えられなかった。 さらに、各点の勾配のみに基づいて密度化を行い、空間的および時間的相関を無視して独立に作用する。 これらの制限は幾何学的詳細損失、時間的不安定性、非効率な点分布をもたらす。 これらの問題に対処するために,手書きレンダリングの忠実度と安定性を両立させる新しいガウススティングベースのフレームワークであるHandSplatを提案する。 そこで本研究では,従来の3DGS属性でモデル化された静的ハンド特性を保ちながら,より微細な非剛性動作モデリングのための暗黙的幾何学と外観埋め込みにより,標準的な3DGS属性を拡張した。 さらに,高変量領域におけるガウス密度を動的に改善する局所勾配認識型密度化戦略を導入する。 安定性を向上させるために、ポーズ条件付き属性正規化を導入し、類似したポーズ間の属性一貫性を促進し、時間的アーティファクトを緩和する。 InterHand2.6Mの大規模な実験により、HandSplatは実時間性能を達成しつつ、忠実さと安定性の既存の手法を超越していることが示された。 受け入れ次第、コードと事前訓練されたモデルをリリースします。

関連論文リスト

• JGHand: Joint-Driven Animatable Hand Avater via 3D Gaussian Splatting [3.1143479095236892]
  Jointly 3D Gaussian Hand (JGHand)は、新しい3D Gaussian Splatting (3DGS)ベースの手表現である。 JGHandは、最先端の手法を超越した、高品質なリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2025-01-31T12:33:24Z)
• Gaussians on their Way: Wasserstein-Constrained 4D Gaussian Splatting with State-Space Modeling [4.335875257359598]
  現実世界と同じように自然に3Dガウスを移動させる方法を紹介します。 先行予測と現在の観測とを融合した状態整合フィルタを提案する。 また、ワッサーシュタイン距離正規化を用いて、ガウスパラメータのスムーズで一貫した更新を保証する。
  論文  参考訳（メタデータ） (2024-11-30T03:16:28Z)
• GAST: Sequential Gaussian Avatars with Hierarchical Spatio-temporal Context [7.6736633105043515]
  3D人間のアバターは、標準放射場とフレームごとの歪みを観察することで、高忠実なレンダリングとアニメーションを可能にします。 空間SMPL(-X)のポーズや時間埋め込みに依存する既存の手法は、それぞれ粗い品質や限られたアニメーションの柔軟性に悩まされている。 空間情報と時間情報の両方を階層的に統合することで、3DGSと3DGSを統合化するためのフレームワークであるGASTを提案する。
  論文  参考訳（メタデータ） (2024-11-25T04:05:19Z)
• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• WildGaussians: 3D Gaussian Splatting in the Wild [80.5209105383932]
  3DGSによる閉塞や外見の変化に対処する新しいアプローチであるWildGaussiansを紹介した。 我々はWildGaussianが3DGSとNeRFのベースラインを越えながら3DGSのリアルタイムレンダリング速度と一致していることを示す。
  論文  参考訳（メタデータ） (2024-07-11T12:41:32Z)
• Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の双方の最も高い需要において、これらの誤り貢献ゾーンを特定することができる。 LPMは特定ゾーンに点密度を適用し、これらの領域の前に位置する点の不透明度をリセットし、不条件点を補正する新たな機会を創出する。 特に、LPMはバニラ3DGSとSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
  Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。 実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。 この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
  論文  参考訳（メタデータ） (2024-02-24T17:22:15Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。