論文の概要: Quality assessment of 3D human animation: Subjective and objective evaluation
- arxiv url: http://arxiv.org/abs/2505.23301v1
- Date: Thu, 29 May 2025 09:58:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 18:14:07.800769
- Title: Quality assessment of 3D human animation: Subjective and objective evaluation
- Title（参考訳）: 3次元アニメーションの品質評価:主観的・客観的評価
- Authors: Rim Rekik, Stefanie Wuhrer, Ludovic Hoyet, Katja Zibrek, Anne-Hélène Olivier,
- Abstract要約: 我々は、新しいデータ駆動フレームワークを活用するための、最初の品質評価尺度を導入する。
まず、仮想人間アニメーションのデータセットと、それに対応する主観的リアリズム評価スコアを生成する。
次に、得られたデータセットを用いて知覚評価スコアの予測を学習する。
その結果,我々のデータセット上で線形回帰器をトレーニングすると90%の相関関係が得られ,その相関関係が深層学習ベースラインの状態を上回ります。
- 参考スコア（独自算出の注目度）: 5.187509238823391
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual human animations have a wide range of applications in virtual and augmented reality. While automatic generation methods of animated virtual humans have been developed, assessing their quality remains challenging. Recently, approaches introducing task-oriented evaluation metrics have been proposed, leveraging neural network training. However, quality assessment measures for animated virtual humans that are not generated with parametric body models have yet to be developed. In this context, we introduce a first such quality assessment measure leveraging a novel data-driven framework. First, we generate a dataset of virtual human animations together with their corresponding subjective realism evaluation scores collected with a user study. Second, we use the resulting dataset to learn predicting perceptual evaluation scores. Results indicate that training a linear regressor on our dataset results in a correlation of 90%, which outperforms a state of the art deep learning baseline.
- Abstract（参考訳）: バーチャルヒューマンアニメーションは、仮想現実と拡張現実に幅広い応用がある。
アニメーション仮想人間の自動生成法が開発されているが、その品質評価は依然として困難である。
近年,ニューラルネットワークトレーニングを活用したタスク指向評価指標の導入手法が提案されている。
しかし、パラメトリックボディモデルで生成されていないアニメーション仮想人間に対する品質評価尺度はまだ開発されていない。
この文脈では、新しいデータ駆動フレームワークを活用した最初の品質評価尺度を導入する。
まず,仮想人間アニメーションのデータセットとそれに対応する主観的リアリズム評価スコアをユーザスタディで収集する。
次に、得られたデータセットを用いて知覚評価スコアの予測を学習する。
その結果、我々のデータセット上で線形回帰器をトレーニングすると、90%の相関関係が得られ、最先端のディープラーニングベースラインを上回ります。
関連論文リスト
- WorldSimBench: Towards Video Generation Models as World Simulators [79.69709361730865]
我々は、予測モデルの機能を階層に分類し、WorldSimBenchと呼ばれる2つの評価フレームワークを提案することにより、World Simulatorの評価の第一歩を踏み出す。
WorldSimBenchにはExplicit Perceptual EvaluationとImplicit Manipulative Evaluationが含まれている。
我々の総合的な評価は、ビデオ生成モデルのさらなる革新を促進する重要な洞察を与え、World Simulatorsをエンボディされた人工知能への重要な進歩と位置づけている。
論文 参考訳（メタデータ） (2024-10-23T17:56:11Z) - Aligning Human Motion Generation with Human Perceptions [51.831338643012444]
本研究では,大規模人間の知覚評価データセットであるMotionPerceptと,人間の動作批判モデルであるMotionCriticを導入することにより,ギャップを埋めるデータ駆動型アプローチを提案する。
我々の批評家モデルは、運動品質を評価するためのより正確な指標を提供しており、容易に運動生成パイプラインに統合することができる。
論文 参考訳（メタデータ） (2024-07-02T14:01:59Z) - Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。
次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。
私たちのアプローチは、以前のベースラインを最大5%上回ります。
論文 参考訳（メタデータ） (2023-11-10T18:38:14Z) - 2D Human Pose Estimation: A Survey [16.56050212383859]
人間のポーズ推定は、入力データ中の人間の解剖学的キーポイントまたは身体部分のローカライズを目的としている。
ディープラーニング技術は、データから直接特徴表現を学習することを可能にする。
本稿では,近年の2次元ポーズ推定手法の成果を振り返り,包括的調査を行う。
論文 参考訳（メタデータ） (2022-04-15T08:09:43Z) - HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。
年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。
アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
論文 参考訳（メタデータ） (2021-12-23T22:27:55Z) - Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
人間のポーズ推定は、過去10年間に注目を集めてきた。
ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。
最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
論文 参考訳（メタデータ） (2020-12-24T18:49:06Z)
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。