論文の概要: EfficientHuman: Efficient Training and Reconstruction of Moving Human using Articulated 2D Gaussian

• arxiv url: http://arxiv.org/abs/2504.20607v1
• Date: Tue, 29 Apr 2025 10:15:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.842574
• Title: EfficientHuman: Efficient Training and Reconstruction of Moving Human using Articulated 2D Gaussian
• Title（参考訳）: 効率的なHuman:Articulated 2D Gaussianを用いた移動人の効率的な訓練と再構築
• Authors: Hao Tian, Rui Liu, Wen Shen, Yilong Hu, Zhihao Zheng, Xiaolin Qin,
• Abstract要約: 3DGSを用いた3次元人体再構築における最近の研究は、人間のポーズの事前情報を活用して、レンダリング品質を高め、トレーニング速度を向上しようとする試みである。 多視点の不整合と冗長なガウスのために、動的曲面を効果的に適合させるのに苦労する。 本研究では,Articulated 2D Gaussianを用いて人体を動的に再構築するモデルであるEfficientHumanを提案する。
• 参考スコア（独自算出の注目度）: 15.56606942574165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has been recognized as a pioneering technique in scene reconstruction and novel view synthesis. Recent work on reconstructing the 3D human body using 3DGS attempts to leverage prior information on human pose to enhance rendering quality and improve training speed. However, it struggles to effectively fit dynamic surface planes due to multi-view inconsistency and redundant Gaussians. This inconsistency arises because Gaussian ellipsoids cannot accurately represent the surfaces of dynamic objects, which hinders the rapid reconstruction of the dynamic human body. Meanwhile, the prevalence of redundant Gaussians means that the training time of these works is still not ideal for quickly fitting a dynamic human body. To address these, we propose EfficientHuman, a model that quickly accomplishes the dynamic reconstruction of the human body using Articulated 2D Gaussian while ensuring high rendering quality. The key innovation involves encoding Gaussian splats as Articulated 2D Gaussian surfels in canonical space and then transforming them to pose space via Linear Blend Skinning (LBS) to achieve efficient pose transformations. Unlike 3D Gaussians, Articulated 2D Gaussian surfels can quickly conform to the dynamic human body while ensuring view-consistent geometries. Additionally, we introduce a pose calibration module and an LBS optimization module to achieve precise fitting of dynamic human poses, enhancing the model's performance. Extensive experiments on the ZJU-MoCap dataset demonstrate that EfficientHuman achieves rapid 3D dynamic human reconstruction in less than a minute on average, which is 20 seconds faster than the current state-of-the-art method, while also reducing the number of redundant Gaussians.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) はシーン再構成と新規ビュー合成の先駆的手法として認識されている。 3DGSを用いた3次元人体再構築における最近の研究は、人間のポーズの事前情報を活用して、レンダリング品質を高め、トレーニング速度を向上しようとする試みである。 しかし、マルチビューの不整合と冗長なガウスにより、動的曲面を効果的に適合させるのに苦労する。 この矛盾は、ガウス楕円体がダイナミックな物体の表面を正確に表現することができず、ダイナミックな人間の身体の急速な再構築を妨げるために生じる。 一方、冗長なガウスの流行は、これらの作品の訓練時間は、人間の身体を素早く合わせるのにはまだ理想的ではないことを意味している。 そこで本稿では,Articulated 2D Gaussianを用いた人体の動的再構成を高速に実現し,高いレンダリング品質を確保したモデルであるEfficientHumanを提案する。 鍵となる革新は、ガウスのスプレートを標準空間にアーティキュレートされた2Dガウスのサーフとして符号化し、それらをLBS(Linar Blend Skinning)を介してポーズ空間に変換して効率的なポーズ変換を実現することである。 3Dガウシアンとは異なり、Articulated 2Dガウシアン・サーベルは、視界に一貫性のある地形を確保しながら、ダイナミックな人間の体に迅速に適合することができる。 さらに、動的ポーズの正確な適合を実現するために、ポーズキャリブレーションモジュールとLBS最適化モジュールを導入し、モデルの性能を向上させる。 ZJU-MoCapデータセットの大規模な実験により、EfficientHumanは1分以内で高速な3D動的再構成を実現し、これは現在の最先端手法よりも20秒高速であり、冗長なガウスの数を減らしている。

関連論文リスト

• SIGMAN:Scaling 3D Human Gaussian Generation with Millions of Assets [72.26350984924129]
  本稿では,3次元デジタル化のための潜在空間生成パラダイムを提案する。 我々は,不適切な低次元から高次元のマッピング問題を学習可能な分布シフトに変換する。 我々は、HGS-1Mデータセットを構築するために、合成データと組み合わせた多視点最適化アプローチを採用する。
  論文  参考訳（メタデータ） (2025-04-09T15:38:18Z)
• 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)
• HFGaussian: Learning Generalizable Gaussian Human with Integrated Human Features [23.321087432786605]
  HFGaussianと呼ばれる新しいアプローチでは、25FPSでスパルス入力画像から3Dスケルトン、3Dキーポイント、高密度ポーズなどの新しいビューや人間の特徴をリアルタイムで推定できる。 我々は,HFGaussの手法をヒトガウススプラッティングにおける最新の最先端技術に対して徹底的に評価し,そのリアルタイム,最先端性能を示す。
  論文  参考訳（メタデータ） (2024-11-05T13:31:04Z)
• 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
  3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。 多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。 競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T17:21:24Z)
• GaussianBody: Clothed Human Reconstruction via 3d Gaussian Splatting [14.937297984020821]
  本稿では,3次元ガウシアンスプラッティングをベースとした,ガウシアンボディと呼ばれる新しい布地復元手法を提案する。 静的な3次元ガウススメッティングモデルを動的復元問題に適用することは、複雑な非剛性変形とリッチな布の細部のために非自明である。 本手法は,ダイナミックな衣料人体に高精細な画質で,最先端のフォトリアリスティックなノベルビューレンダリングを実現できることを示す。
  論文  参考訳（メタデータ） (2024-01-18T04:48:13Z)
• Deformable 3D Gaussian Splatting for Animatable Human Avatars [50.61374254699761]
  本稿では,デジタルアバターを単一単分子配列で構築する手法を提案する。 ParDy-Humanは、リアルなダイナミックな人間のアバターの明示的なモデルを構成する。 当社のアバター学習には,Splatマスクなどの追加アノテーションが不要であり,ユーザのハードウェア上でも,フル解像度の画像を効率的に推測しながら,さまざまなバックグラウンドでトレーニングすることが可能である。
  論文  参考訳（メタデータ） (2023-12-22T20:56:46Z)
• GauHuman: Articulated Gaussian Splatting from Monocular Human Videos [58.553979884950834]
  GauHumanは、高速トレーニング(12分)とリアルタイムレンダリング(最大189FPS)の両方のためのガウススプラッティングを備えた3次元人体モデルである。 ガウフマンはカノニカル空間でガウススプラッティングを符号化し、3次元ガウスを線形ブレンドスキンニング(LBS)で正標準空間からポーズ空間に変換する ZJU_MocapとMonoCapデータセットの実験は、GauHumanが高速なトレーニングとリアルタイムレンダリング速度によって、最先端のパフォーマンスを定量的に質的に達成していることを示している。
  論文  参考訳（メタデータ） (2023-12-05T18:59:14Z)
• HumanGaussian: Text-Driven 3D Human Generation with Gaussian Splatting [113.37908093915837]
  既存の方法は、スコア蒸留サンプリング(SDS)を通じてメッシュやニューラルフィールドのような3D表現を最適化する。 本稿では,高精細な形状とリアルな外観を持つ高品質な3D人間を創出する,効率的かつ効果的な枠組みであるHumanGaussianを提案する。
  論文  参考訳（メタデータ） (2023-11-28T18:59:58Z)
• Animatable 3D Gaussians for High-fidelity Synthesis of Human Motions [37.50707388577952]
  本稿では,高忠実度自由視点人間の動きをリアルタイムにレンダリングするための,アニマタブルな3次元ガウスモデルを提案する。 既存のNeRFベースの手法と比較して、このモデルはビデオフレーム間のジッタリングの問題なく、高周波の詳細で優れた能力を持っている。
  論文  参考訳（メタデータ） (2023-11-22T14:00:23Z)

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。