論文の概要: FastAnimate: Towards Learnable Template Construction and Pose Deformation for Fast 3D Human Avatar Animation

• arxiv url: http://arxiv.org/abs/2512.01444v1
• Date: Mon, 01 Dec 2025 09:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.781015
• Title: FastAnimate: Towards Learnable Template Construction and Pose Deformation for Fast 3D Human Avatar Animation
• Title（参考訳）: FastAnimate: 高速3次元アバターアニメーションのための学習可能なテンプレート構築とポース変形を目指して
• Authors: Jian Shu, Nanjie Yao, Gangjian Zhang, Junlong Ren, Yu Feng, Hao Wang,
• Abstract要約: 3次元アバターアニメーションは、変形アルゴリズムを用いて、人間のアバターを初期ポーズから特定のターゲットポーズに変換することを目的としている。 既存のアプローチでは、このタスクを標準的なテンプレート構築とターゲットポーズ変形という2つのステージに分けるのが一般的である。 両課題を2つのフェーズで解決するための統合学習ベースの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）: 9.888999029415299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D human avatar animation aims at transforming a human avatar from an arbitrary initial pose to a specified target pose using deformation algorithms. Existing approaches typically divide this task into two stages: canonical template construction and target pose deformation. However, current template construction methods demand extensive skeletal rigging and often produce artifacts for specific poses. Moreover, target pose deformation suffers from structural distortions caused by Linear Blend Skinning (LBS), which significantly undermines animation realism. To address these problems, we propose a unified learning-based framework to address both challenges in two phases. For the former phase, to overcome the inefficiencies and artifacts during template construction, we leverage a U-Net architecture that decouples texture and pose information in a feed-forward process, enabling fast generation of a human template. For the latter phase, we propose a data-driven refinement technique that enhances structural integrity. Extensive experiments show that our model delivers consistent performance across diverse poses with an optimal balance between efficiency and quality,surpassing state-of-the-art (SOTA) methods.
• Abstract（参考訳）: 3次元アバターアニメーションは、変形アルゴリズムを用いて、人間のアバターを任意の初期ポーズから特定のターゲットポーズに変換することを目的としている。 既存のアプローチでは、このタスクを標準的なテンプレート構築とターゲットポーズ変形という2つのステージに分けるのが一般的である。 しかし、現在のテンプレート構築手法では、広範囲の骨格リグを必要とし、特定のポーズのためのアーティファクトをしばしば生成している。 さらに、ターゲットポーズ変形は、リニアブレンドスキニング(LBS)による構造歪みに悩まされ、アニメーションリアリズムを著しく損なう。 これらの問題に対処するために,両課題を2段階に分けた統合学習ベースのフレームワークを提案する。 前者のフェーズでは、テンプレート構築時の非効率性とアーティファクトを克服するために、テクスチャを分離し、フィードフォワードプロセスで情報をポーズするU-Netアーキテクチャを活用し、人間のテンプレートを高速に生成する。 後者のフェーズでは、構造的整合性を高めるデータ駆動型精細化手法を提案する。 大規模な実験により、我々のモデルは、効率と品質の最適なバランスを保ちながら、多種多様なポーズに一貫したパフォーマンスを提供することを示した。

関連論文リスト

• PoseMaster: Generating 3D Characters in Arbitrary Poses from a Single Image [37.332231168919705]
  エンドツーエンドで制御可能な3Dキャラクタ生成フレームワークであるPoseMasterを提案する。 具体的には、ポーズ変換と3Dキャラクタ生成をフローベースの3Dネイティブ生成フレームワークに統合する。 多条件制御の特異性を考慮すると、訓練中のポーズ条件と画像条件をランダムに空にして、ポーズ制御の有効性と一般化性を向上させる。
  論文  参考訳（メタデータ） (2025-06-26T08:03:14Z)
• Canonical Pose Reconstruction from Single Depth Image for 3D Non-rigid Pose Recovery on Limited Datasets [55.84702107871358]
  2Dインプットからの3D再構成、特に人間のような非剛体オブジェクトは、ユニークな課題を提示する。 従来の手法は、変形空間全体をカバーするために広範囲なトレーニングデータを必要とする非剛体形状に苦しむことが多い。 本研究では,変形可能な形状の単一視点深度画像を標準形に変換する正準ポーズ再構成モデルを提案する。
  論文  参考訳（メタデータ） (2025-05-23T14:58:34Z)
• FRESA: Feedforward Reconstruction of Personalized Skinned Avatars from Few Images [74.86864398919467]
  数枚の画像からリアルなアニメーションで、パーソナライズされた3Dアバターを再構成する新しい手法を提案する。 我々は、1000人以上の服を着た人間から普遍的な事前学習を行い、即時フィードフォワード生成とゼロショット一般化を実現する。 提案手法は, 最新技術よりも忠実な再構築とアニメーションを生成し, カジュアルに撮影された携帯電話写真からの入力に直接一般化することができる。
  論文  参考訳（メタデータ） (2025-03-24T23:20:47Z)
• Make-It-Animatable: An Efficient Framework for Authoring Animation-Ready 3D Characters [86.13319549186959]
  我々は3次元ヒューマノイドモデルを1秒未満でキャラクターアニメーションに対応させる新しいデータ駆動方式であるMake-It-Animatableを提案する。 我々のフレームワークは、高品質なブレンドウェイト、骨、ポーズトランスフォーメーションを生成します。 既存の手法と比較して,本手法は品質と速度の両方において著しく改善されている。
  論文  参考訳（メタデータ） (2024-11-27T10:18:06Z)
• 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)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)

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。