論文の概要: ATLAS: Decoupling Skeletal and Shape Parameters for Expressive Parametric Human Modeling

• arxiv url: http://arxiv.org/abs/2508.15767v1
• Date: Thu, 21 Aug 2025 17:58:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.443101
• Title: ATLAS: Decoupling Skeletal and Shape Parameters for Expressive Parametric Human Modeling
• Title（参考訳）: ATLAS:表現的パラメトリック・ヒューマン・モデリングのための骨格と形状パラメータの分離
• Authors: Jinhyung Park, Javier Romero, Shunsuke Saito, Fabian Prada, Takaaki Shiratori, Yichen Xu, Federica Bogo, Shoou-I Yu, Kris Kitani, Rawal Khirodkar,
• Abstract要約: 240個の同期カメラを用いて,600kの高分解能スキャンから得られた高忠実度ボディモデルATLASを提案する。 我々は、人間の骨格にメッシュ表現を接地することで、形状と骨格の基部を明示的に分離する。 ATLASは、未確認の被写体を多様なポーズに適合させることで既存の手法よりも優れており、定量的評価により、我々の非線形ポーズ補正が線形モデルと比較して複雑なポーズをより効果的に捉えていることが示されている。
• 参考スコア（独自算出の注目度）: 43.66748605071065
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Parametric body models offer expressive 3D representation of humans across a wide range of poses, shapes, and facial expressions, typically derived by learning a basis over registered 3D meshes. However, existing human mesh modeling approaches struggle to capture detailed variations across diverse body poses and shapes, largely due to limited training data diversity and restrictive modeling assumptions. Moreover, the common paradigm first optimizes the external body surface using a linear basis, then regresses internal skeletal joints from surface vertices. This approach introduces problematic dependencies between internal skeleton and outer soft tissue, limiting direct control over body height and bone lengths. To address these issues, we present ATLAS, a high-fidelity body model learned from 600k high-resolution scans captured using 240 synchronized cameras. Unlike previous methods, we explicitly decouple the shape and skeleton bases by grounding our mesh representation in the human skeleton. This decoupling enables enhanced shape expressivity, fine-grained customization of body attributes, and keypoint fitting independent of external soft-tissue characteristics. ATLAS outperforms existing methods by fitting unseen subjects in diverse poses more accurately, and quantitative evaluations show that our non-linear pose correctives more effectively capture complex poses compared to linear models.
• Abstract（参考訳）: パラメトリックボディモデルは、さまざまなポーズ、形状、表情で人間の表現的な3D表現を提供する。 しかしながら、既存のヒューマンメッシュモデリングアプローチは、トレーニングデータの多様性と限定的なモデリング仮定のために、さまざまなボディポーズや形状の詳細なバリエーションを捉えるのに苦労している。 さらに、共通パラダイムは、まず、線形基底を用いて外体表面を最適化し、その後、表面頂点から内骨格関節を後退させる。 このアプローチは、内部骨格と外側軟部組織の間の問題的依存関係を導入し、身長と骨長の直接制御を制限する。 これらの問題に対処するため、240個の同期カメラを用いて600kの高解像度スキャンから得られた高忠実度ボディモデルATLASを提案する。 従来の方法とは異なり、人間の骨格にメッシュ表現を接地することで、形状と骨格の基部を明示的に分離する。 このデカップリングにより、形状表現性の向上、体質のきめ細かなカスタマイズ、キーポイント取付けが、外部のソフトチップ特性とは無関係に可能である。 ATLASは、未確認の被写体を多様なポーズに適合させることで既存の手法よりも優れており、定量的評価により、我々の非線形ポーズ補正が線形モデルよりも複雑なポーズをより効果的に捉えていることが示されている。

関連論文リスト

• DPoser-X: Diffusion Model as Robust 3D Whole-body Human Pose Prior [82.9526308672547]
  DPoser-Xは3次元人体写真の拡散に基づく先行モデルである。 提案手法は,様々なポーズ中心タスクを逆問題として統一し,変分拡散サンプリングにより解決する。 我々のモデルは、常に最先端の代替品よりも優れており、人体全体のポーズを事前モデリングするための新しいベンチマークを確立している。
  論文  参考訳（メタデータ） (2025-08-01T12:56:39Z)
• Within the Dynamic Context: Inertia-aware 3D Human Modeling with Pose Sequence [47.16903508897047]
  本研究では、現在のフレームのポーズ状態だけでなく、過去のポーズ状態にも人間の外観の変化が依存していることを明らかにする。 非剛性変形に対するデルタポーズシーケンス表現を利用した新しい手法であるDycoを導入する。 さらに, 慣性を考慮した3次元人間の手法は, 異なる速度での慣性による外観変化を前例なくシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-03-28T06:05:14Z)
• Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
  本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。 我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。 本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
  論文  参考訳（メタデータ） (2022-02-07T11:11:55Z)
• LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
  本稿では,人体に対する新しい暗黙の表現法を提案する。 完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。 我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
  論文  参考訳（メタデータ） (2021-11-30T04:10:57Z)
• imGHUM: Implicit Generative Models of 3D Human Shape and Articulated Pose [42.4185273307021]
  人間の3次元形状とポーズの合成モデルImGHUMについて述べる。 人間の全身をゼロレベルの関数として暗黙的にモデル化し、明示的なテンプレートメッシュを使用しない。
  論文  参考訳（メタデータ） (2021-08-24T17:08:28Z)
• Combining Implicit Function Learning and Parametric Models for 3D Human Reconstruction [123.62341095156611]
  深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。 このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。 詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:46:14Z)

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。