論文の概要: PARTE: Part-Guided Texturing for 3D Human Reconstruction from a Single Image

• arxiv url: http://arxiv.org/abs/2507.17332v4
• Date: Wed, 30 Jul 2025 08:43:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 11:57:45.820196
• Title: PARTE: Part-Guided Texturing for 3D Human Reconstruction from a Single Image
• Title（参考訳）: PartE: 単一画像からの3次元再構成のためのパートガイドテクスチャ
• Authors: Hyeongjin Nam, Donghwan Kim, Gyeongsik Moon, Kyoung Mu Lee,
• Abstract要約: 構造的人間の部分は、単一の画像の見えない領域で人間のテクスチャを推測する重要な手がかりとなる。 本研究では,人間のテクスチャを再構築するための3次元情報を含むフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 64.16266736300962
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The misaligned human texture across different human parts is one of the main limitations of existing 3D human reconstruction methods. Each human part, such as a jacket or pants, should maintain a distinct texture without blending into others. The structural coherence of human parts serves as a crucial cue to infer human textures in the invisible regions of a single image. However, most existing 3D human reconstruction methods do not explicitly exploit such part segmentation priors, leading to misaligned textures in their reconstructions. In this regard, we present PARTE, which utilizes 3D human part information as a key guide to reconstruct 3D human textures. Our framework comprises two core components. First, to infer 3D human part information from a single image, we propose a 3D part segmentation module (PartSegmenter) that initially reconstructs a textureless human surface and predicts human part labels based on the textureless surface. Second, to incorporate part information into texture reconstruction, we introduce a part-guided texturing module (PartTexturer), which acquires prior knowledge from a pre-trained image generation network on texture alignment of human parts. Extensive experiments demonstrate that our framework achieves state-of-the-art quality in 3D human reconstruction. The project page is available at https://hygenie1228.github.io/PARTE/.
• Abstract（参考訳）: 異なる人間の部位にまたがる不整合な人間のテクスチャは、既存の3D人間の再構築方法の主な限界の1つである。 ジャケットやズボンなど、人間の各部分は、他のものに混じることなく、独特のテクスチャを維持しなければならない。 人間の部分の構造的コヒーレンスは、単一の画像の見えない領域で人間のテクスチャを推測する重要な手がかりとなる。 しかし,既存の3次元再構成手法では,そのような部分分割の先行を明示的に利用していないため,再現に不整合が生じる。 本稿では,3次元の人間のテクスチャを再構築するためのキーガイドとして,3次元の人体情報を利用するPartEについて述べる。 私たちのフレームワークは2つのコアコンポーネントで構成されています。 まず, 1枚の画像から3次元の人体部分情報を推定するために, 最初はテクスチャレスな人体表面を再構成し, そのテクスチャレスな表面に基づいて人体部分ラベルを予測する3次元部分分割モジュール(PartSegmenter)を提案する。 第2に,部品情報をテクスチャ再構成に組み込むために,人間のテクスチャアライメントに関する事前学習画像生成ネットワークから事前知識を取得する部分誘導テクスチャモジュール(PartTexturer)を導入する。 大規模な実験により,本フレームワークは3次元再構築における最先端の品質を実現することが実証された。 プロジェクトページはhttps://hygenie1228.github.io/PARTE/で公開されている。

関連論文リスト

• DeClotH: Decomposable 3D Cloth and Human Body Reconstruction from a Single Image [49.69224401751216]
  従来の3次元再構築法では、布と人体を区別することなく、単体として扱う方法がほとんどである。 1枚の画像から3D布と人体を別々に再構成するDeClotHを提案する。
  論文  参考訳（メタデータ） (2025-03-25T06:00:15Z)
• PartGen: Part-level 3D Generation and Reconstruction with Multi-View Diffusion Models [63.1432721793683]
  テキスト,画像,構造化されていない3Dオブジェクトから意味のある部分からなる3Dオブジェクトを生成する新しいアプローチであるPartGenを紹介する。 提案手法は, 生成された実物および実物の3次元資産に対して評価し, セグメンテーションおよび部分抽出ベースラインを大きなマージンで上回っていることを示す。
  論文  参考訳（メタデータ） (2024-12-24T18:59:43Z)
• Part123: Part-aware 3D Reconstruction from a Single-view Image [54.589723979757515]
  Part123は、一視点画像から部分認識された3D再構成のための新しいフレームワークである。 ニューラルレンダリングフレームワークにコントラスト学習を導入し、部分認識機能空間を学習する。 クラスタリングに基づくアルゴリズムも開発され、再構成されたモデルから3次元部分分割結果を自動的に導出する。
  論文  参考訳（メタデータ） (2024-05-27T07:10:21Z)
• Ultraman: Single Image 3D Human Reconstruction with Ultra Speed and Detail [11.604919466757003]
  本研究では,1つの画像からテクスチャ化された3次元人間のモデルを高速に再構成するためのemphUltramanという手法を提案する。 emphUltramanは、高品質なテクスチャの詳細を保存しながら、再構築のスピードと精度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-18T17:57:30Z)
• SiTH: Single-view Textured Human Reconstruction with Image-Conditioned Diffusion [35.73448283467723]
  SiTHは、イメージ条件付き拡散モデルと3Dメッシュ再構築ワークフローを統合する、新しいパイプラインである。 我々は、入力画像に基づいて、見えないバックビューの外観を幻覚させるために、強力な生成拡散モデルを用いる。 後者では,入力画像とバックビュー画像から全身のテクスチャメッシュを復元するためのガイダンスとして,肌付きボディーメッシュを利用する。
  論文  参考訳（メタデータ） (2023-11-27T14:22:07Z)
• TeCH: Text-guided Reconstruction of Lifelike Clothed Humans [35.68114652041377]
  既存の方法は、ぼやけたテクスチャで非常に滑らかな裏面を生成することが多い。 基礎モデルの力に触発されて、TeCHは記述的テキストプロンプトを利用して3D人間を再構築する。 そこで本研究では,DMTetをベースとした3次元ハイブリッド表現を提案する。
  論文  参考訳（メタデータ） (2023-08-16T17:59:13Z)
• ReFu: Refine and Fuse the Unobserved View for Detail-Preserving Single-Image 3D Human Reconstruction [31.782985891629448]
  シングルイメージの3次元再構成は,1枚の画像から人体の3次元テクスチャ面を再構築することを目的としている。 提案するReFuは、投影された背景像を精細化し、その精細な画像を融合して最終人体を予測するための粗大なアプローチである。
  論文  参考訳（メタデータ） (2022-11-09T09:14:11Z)
• TSCom-Net: Coarse-to-Fine 3D Textured Shape Completion Network [14.389603490486364]
  3次元部分的テクスチャスキャンから3次元の人体形状を再構築することは、多くのコンピュータビジョンやグラフィックスアプリケーションにとって基本的な課題である。 本稿では,3次元体形状と高分解能テクスチャ補完のためのニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-18T11:06:10Z)
• 3DBooSTeR: 3D Body Shape and Texture Recovery [76.91542440942189]
  3DBooSTeRは、部分的な3Dスキャンからテクスチャ化された3Dボディメッシュを復元する新しい方法である。 提案手法は形状とテクスチャの完成を2つの逐次的なタスクに分解する。
  論文  参考訳（メタデータ） (2020-10-23T21:07:59Z)
• AutoSweep: Recovering 3D Editable Objectsfrom a Single Photograph [54.701098964773756]
  セマンティックな部分で3Dオブジェクトを復元し、直接編集することを目的としている。 我々の研究は、一般化された立方体と一般化されたシリンダーという、2種類の原始的な形状の物体を回収する試みである。 提案アルゴリズムは,高品質な3Dモデルを復元し,既存手法のインスタンスセグメンテーションと3D再構成の両方で性能を向上する。
  論文  参考訳（メタデータ） (2020-05-27T12:16:24Z)

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。