論文の概要: From Skin to Skeleton: Towards Biomechanically Accurate 3D Digital Humans

• arxiv url: http://arxiv.org/abs/2509.06607v1
• Date: Mon, 08 Sep 2025 12:24:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.11992
• Title: From Skin to Skeleton: Towards Biomechanically Accurate 3D Digital Humans
• Title（参考訳）: 皮膚から骨格へ:生体力学的に正確な3Dデジタル人間を目指して
• Authors: Marilyn Keller, Keenon Werling, Soyong Shin, Scott Delp, Sergi Pujades, C. Karen Liu, Michael J. Black,
• Abstract要約: SMPL体モデルに生体力学スケルトンを付加したSKELを開発した。 その結果,SKELはSMPLよりも生体力学的に正確な関節位置を有しており,骨は従来法よりも体表面に収まることがわかった。
• 参考スコア（独自算出の注目度）: 50.014530130312714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Great progress has been made in estimating 3D human pose and shape from images and video by training neural networks to directly regress the parameters of parametric human models like SMPL. However, existing body models have simplified kinematic structures that do not correspond to the true joint locations and articulations in the human skeletal system, limiting their potential use in biomechanics. On the other hand, methods for estimating biomechanically accurate skeletal motion typically rely on complex motion capture systems and expensive optimization methods. What is needed is a parametric 3D human model with a biomechanically accurate skeletal structure that can be easily posed. To that end, we develop SKEL, which re-rigs the SMPL body model with a biomechanics skeleton. To enable this, we need training data of skeletons inside SMPL meshes in diverse poses. We build such a dataset by optimizing biomechanically accurate skeletons inside SMPL meshes from AMASS sequences. We then learn a regressor from SMPL mesh vertices to the optimized joint locations and bone rotations. Finally, we re-parametrize the SMPL mesh with the new kinematic parameters. The resulting SKEL model is animatable like SMPL but with fewer, and biomechanically-realistic, degrees of freedom. We show that SKEL has more biomechanically accurate joint locations than SMPL, and the bones fit inside the body surface better than previous methods. By fitting SKEL to SMPL meshes we are able to "upgrade" existing human pose and shape datasets to include biomechanical parameters. SKEL provides a new tool to enable biomechanics in the wild, while also providing vision and graphics researchers with a better constrained and more realistic model of human articulation. The model, code, and data are available for research at https://skel.is.tue.mpg.de..
• Abstract（参考訳）: SMPLのようなパラメトリックな人間のモデルのパラメータを直接回帰するためにニューラルネットワークをトレーニングすることで、画像やビデオから3Dの人間のポーズと形状を推定する大きな進歩があった。 しかし、既存の身体モデルでは、人間の骨格系における真の関節の位置や関節と一致せず、生体力学におけるそれらの潜在的な使用を制限するような、単純な運動学的構造を持っている。 一方、生体力学的に正確な骨格運動を推定する方法は、一般的に複雑なモーションキャプチャシステムと高価な最適化手法に依存している。 必要なのは、生体力学的に正確な骨格構造を持つパラメトリックな3次元人間モデルです。 そこで我々は,SMPLの体モデルを生体力学スケルトンでリリグするSKELを開発した。 これを実現するために、多様なポーズでSMPLメッシュ内の骨格のトレーニングデータが必要です。 AMASS配列からSMPLメッシュ内の生体力学的に正確な骨格を最適化することにより、このようなデータセットを構築する。 次に、SMPLメッシュ頂点から、最適化された関節位置と骨回転への回帰器を学習する。 最後に、SMPLメッシュを新しい運動パラメータで再パラメータ化する。 結果として得られるSKELモデルはSMPLのようにアニマタブルであるが、より小さく、バイオメカニスティックな自由度を持つ。 その結果,SKELはSMPLよりも生体力学的に正確な関節位置を有しており,骨は従来法よりも体表面に収まることがわかった。 SKELをSMPLメッシュに合わせることで、既存の人間のポーズと形状データセットを"アップグレード"して、バイオメカニカルパラメータを組み込むことができます。 SKELは、バイオメカニクスを野生で有効にするための新しいツールを提供すると同時に、視覚とグラフィックの研究者に、より制約のあるよりリアルな人間の関節モデルを提供する。 モデル、コード、データはhttps://skel.is.tue.mpg.deで研究することができる。 と。

関連論文リスト

• Reconstructing Humans with a Biomechanically Accurate Skeleton [55.06027148976482]
  本研究では,生体力学的に正確な骨格モデルを用いて,単一の画像から3次元人体を再構築する手法を提案する。 3次元メッシュ回復のための最先端の手法と比較して,我々のモデルは標準ベンチマーク上での競合性能を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:56:24Z)
• BioPose: Biomechanically-accurate 3D Pose Estimation from Monocular Videos [6.280386490530478]
  BioPoseは、モノクロビデオから直接、生体力学的に正確な3Dポーズを予測するための学習ベースのフレームワークである。 マルチクエリヒューマンメッシュリカバリモデル(MQ-HMR)、ニューラル・インバース・キネマティクス(NeurIK)モデル、および2Dインフォームド・ポーズ・リファインメント技術を含んでいる。 ベンチマークデータセットの実験では、BioPoseが最先端の手法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-01-14T02:56:19Z)
• ToMiE: Towards Explicit Exoskeleton for the Reconstruction of Complicated 3D Human Avatars [41.23897822168498]
  本研究では,骨格の接合木を適応的に拡大させる成長戦略を提案する。 具体的には、ToMiEと呼ばれる手法は、親関節の局在化と外部関節の最適化からなる。 ToMiEは、レンダリング品質だけでなく、成長したジョイントのフリーアニメーションを提供することで、ハンドヘルドオブジェクトやゆるやかな服装で、さまざまなケースで他の方法よりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-10-10T16:25:52Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• 3D Kinematics Estimation from Video with a Biomechanical Model and Synthetic Training Data [4.130944152992895]
  2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。 実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-20T17:33:40Z)
• OSSO: Obtaining Skeletal Shape from Outside [50.47978215230605]
  OSSO(Obtaining Skeletal Shape from Outside)は、実データから3次元体表面から内部骨格へのマッピングを初めて学習する。 そこで本研究では,体表面を捉えるためにパラメトリックな3次元体形モデル (STAR) と,骨を捉えるために新しい部分ベースの3次元骨格モデルを構築した。 次に、身体形状パラメータから骨格形状パラメータへ回帰器を訓練し、身体的妥当性の制約を満たすために骨格を洗練させる。
  論文  参考訳（メタデータ） (2022-04-21T14:33:42Z)
• S3: Neural Shape, Skeleton, and Skinning Fields for 3D Human Modeling [103.65625425020129]
  歩行者の形状、ポーズ、皮膚の重みを、データから直接学習する神経暗黙関数として表現します。 各種データセットに対するアプローチの有効性を実証し,既存の最先端手法よりも再現性が優れていることを示す。
  論文  参考訳（メタデータ） (2021-01-17T02:16:56Z)
• STAR: Sparse Trained Articulated Human Body Regressor [62.71047277943326]
  SMPLよりも定量的に質的に優れているSTARを導入する。 SMPLには、グローバルブレンド形状の使用による膨大な数のパラメータがある。 SMPL因子は体型に依存した変形を示すが、実際には異なる形状の人は異なる変形をする。 SMPLの形状空間はヒトの個体数の変動を捉えるのに十分ではないことを示す。
  論文  参考訳（メタデータ） (2020-08-19T16:27:55Z)

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。