論文の概要: PHD: Personalized 3D Human Body Fitting with Point Diffusion

• arxiv url: http://arxiv.org/abs/2508.21257v1
• Date: Thu, 28 Aug 2025 23:03:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.897949
• Title: PHD: Personalized 3D Human Body Fitting with Point Diffusion
• Title（参考訳）: パーソナライズされた3D人体にポイント拡散を施すPHD
• Authors: Hsuan-I Ho, Chen Guo, Po-Chen Wu, Ivan Shugurov, Chengcheng Tang, Abhay Mittal, Sizhe An, Manuel Kaufmann, Linguang Zhang,
• Abstract要約: PHDは、パーソナライズされた3Dヒューマンメッシュリカバリ(HMR)とボディーフィッティングのための新しいアプローチである。 ユーザー固有の形状情報を活用して、ビデオからのポーズ推定精度を向上させる。
• 参考スコア（独自算出の注目度）: 19.282384138333537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce PHD, a novel approach for personalized 3D human mesh recovery (HMR) and body fitting that leverages user-specific shape information to improve pose estimation accuracy from videos. Traditional HMR methods are designed to be user-agnostic and optimized for generalization. While these methods often refine poses using constraints derived from the 2D image to improve alignment, this process compromises 3D accuracy by failing to jointly account for person-specific body shapes and the plausibility of 3D poses. In contrast, our pipeline decouples this process by first calibrating the user's body shape and then employing a personalized pose fitting process conditioned on that shape. To achieve this, we develop a body shape-conditioned 3D pose prior, implemented as a Point Diffusion Transformer, which iteratively guides the pose fitting via a Point Distillation Sampling loss. This learned 3D pose prior effectively mitigates errors arising from an over-reliance on 2D constraints. Consequently, our approach improves not only pelvis-aligned pose accuracy but also absolute pose accuracy -- an important metric often overlooked by prior work. Furthermore, our method is highly data-efficient, requiring only synthetic data for training, and serves as a versatile plug-and-play module that can be seamlessly integrated with existing 3D pose estimators to enhance their performance. Project page: https://phd-pose.github.io/
• Abstract（参考訳）: PHDは、ビデオからのポーズ推定精度を向上させるために、ユーザ固有の形状情報を活用する、パーソナライズされた3次元メッシュリカバリ(HMR)とボディーフィッティングのための新しいアプローチである。 従来のHMR法はユーザに依存しないように設計され、一般化に最適化されている。 これらの手法は2次元画像から導出した制約を用いてポーズを洗練してアライメントを改善するが、このプロセスは人固有の身体形状と3次元ポーズの妥当性を共同で考慮しないことで3次元精度を損なう。 対照的に、私たちのパイプラインは、まずユーザの体の形状を調整し、それからその形状に合わせたパーソナライズされたポーズフィッティングプロセスを採用することで、このプロセスを分離します。 これを実現するために, 点拡散変圧器として実装された体形状条件付3Dポーズを, 点蒸留サンプリング損失により反復的に配置する。 この学習された3Dポーズは、2D制約に対する過度な信頼から生じるエラーを効果的に軽減する。 その結果,提案手法はペルビウス対応のポーズ精度だけでなく,絶対的なポーズ精度も向上する。 さらに,本手法はデータ効率が高く,学習に合成データのみが必要であり,既存の3次元ポーズ推定器とシームレスに統合して性能を向上させる汎用的なプラグ・アンド・プレイモジュールとして機能する。 プロジェクトページ: https://phd-pose.github.io/

関連論文リスト

• CameraHMR: Aligning People with Perspective [54.05758012879385]
  モノクロ画像からの正確な3次元ポーズと形状推定の課題に対処する。 既存のトレーニングデータセットには、擬似基底真理(pGT)を持つ実画像が含まれている。 pGTの精度を向上させる2つの貢献をしている。
  論文  参考訳（メタデータ） (2024-11-12T19:12:12Z)
• TokenHMR: Advancing Human Mesh Recovery with a Tokenized Pose Representation [48.08156777874614]
  現在の手法では3次元擬似地下構造(p-GT)と2次元鍵点を利用して、堅牢な性能を実現している。 このような手法により、3次元ポーズ精度のパラドックス的低下が観察され、2次元精度が増大する。 現行のカメラモデルによる誤差を定量化し、2Dキーポイントとp-GTの装着が正確な3Dポーズを引き起こすことを示す。
  論文  参考訳（メタデータ） (2024-04-25T17:09:14Z)
• UPose3D: Uncertainty-Aware 3D Human Pose Estimation with Cross-View and Temporal Cues [55.69339788566899]
  UPose3Dは多視点人間のポーズ推定のための新しいアプローチである。 直接的な3Dアノテーションを必要とせずに、堅牢性と柔軟性を向上させる。
  論文  参考訳（メタデータ） (2024-04-23T00:18:00Z)
• LInKs "Lifting Independent Keypoints" -- Partial Pose Lifting for Occlusion Handling with Improved Accuracy in 2D-3D Human Pose Estimation [4.648549457266638]
  2Dキネマティックスケルトンから3D人間のポーズを復元する新しい教師なし学習法であるLInKsを提案する。 提案手法は,まず3次元領域に隠された2次元のポーズを持ち上げるという,ユニークな2段階のプロセスに従う。 このリフト・テン・フィルのアプローチは、2次元空間でのみポーズを完了したモデルよりもはるかに正確な結果をもたらす。
  論文  参考訳（メタデータ） (2023-09-13T18:28:04Z)
• 3D-Aware Neural Body Fitting for Occlusion Robust 3D Human Pose Estimation [28.24765523800196]
  本研究では,3次元ポーズ推定のための3次元認識型ニューラルボディフィッティング(3DNBF)を提案する。 特に,3次元ポーズ依存特徴ベクトルを出力するガウス楕円体カーネルを用いた人間の体積表現に基づく深部特徴の生成モデルを提案する。 ニューラル特徴は、対照的な学習で訓練され、3D認識となり、2D-3D曖昧さを克服する。
  論文  参考訳（メタデータ） (2023-08-19T22:41:00Z)
• Shape of You: Precise 3D shape estimations for diverse body types [5.037272815698192]
  本稿では,視覚に基づく衣服レコメンデーションシステムにおける3次元体形推定の精度向上のためのアプローチを提案する。 パラメトリックな3次元再構成パイプラインに容易に統合できる2つの損失関数を提案する。 SSP-3Dデータセットでは,最近のSHAPY法よりも17.7%向上した。
  論文  参考訳（メタデータ） (2023-04-14T20:53:16Z)
• HybrIK: A Hybrid Analytical-Neural Inverse Kinematics Solution for 3D Human Pose and Shape Estimation [39.67289969828706]
  本稿では,体メッシュ推定と3次元キーポイント推定のギャップを埋めるために,新しいハイブリッド逆キネマティクスソリューション(HybrIK)を提案する。 HybrIKは、正確な3D関節を相対的なボディ部分回転に変換し、3Dボディーメッシュを再構築する。 その結果,HybrIKは3次元ポーズの精度とパラメトリックな人間の身体構造の両方を保っていることがわかった。
  論文  参考訳（メタデータ） (2020-11-30T10:32:30Z)
• Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
  本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。 主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。 本稿では,D2S(Deep-to-scale)投影法を提案する。
  論文  参考訳（メタデータ） (2020-10-27T03:31:35Z)
• Exemplar Fine-Tuning for 3D Human Model Fitting Towards In-the-Wild 3D Human Pose Estimation [107.07047303858664]
  3次元の地平線アノテーションを持つ大規模な人的データセットは、野生では入手が困難である。 既存の2Dデータセットを高品質な3Dポーズマッチングで拡張することで、この問題に対処する。 結果として得られるアノテーションは、3Dのプロシージャネットワークをスクラッチからトレーニングするのに十分である。
  論文  参考訳（メタデータ） (2020-04-07T20:21:18Z)

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。