論文の概要: AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars

• arxiv url: http://arxiv.org/abs/2512.06438v1
• Date: Sat, 06 Dec 2025 14:05:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.361593
• Title: AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars
• Title（参考訳）: AGORA:リアルタイムアニマタブルな3Dガウシアンヘッドアバター
• Authors: Ramazan Fazylov, Sergey Zagoruyko, Aleksandr Parkin, Stamatis Lefkimmiatis, Ivan Laptev,
• Abstract要約: AGORAは、3DGSを生成的敵ネットワーク内で拡張し、アニマタブルなアバターを生成する新しいフレームワークである。 表現の忠実度は、二重識別器の訓練スキームによって強制される。 AGORAは視覚的にリアルなだけでなく、正確に制御可能なアバターを生成する。
• 参考スコア（独自算出の注目度）: 54.854597811704316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The generation of high-fidelity, animatable 3D human avatars remains a core challenge in computer graphics and vision, with applications in VR, telepresence, and entertainment. Existing approaches based on implicit representations like NeRFs suffer from slow rendering and dynamic inconsistencies, while 3D Gaussian Splatting (3DGS) methods are typically limited to static head generation, lacking dynamic control. We bridge this gap by introducing AGORA, a novel framework that extends 3DGS within a generative adversarial network to produce animatable avatars. Our key contribution is a lightweight, FLAME-conditioned deformation branch that predicts per-Gaussian residuals, enabling identity-preserving, fine-grained expression control while allowing real-time inference. Expression fidelity is enforced via a dual-discriminator training scheme leveraging synthetic renderings of the parametric mesh. AGORA generates avatars that are not only visually realistic but also precisely controllable. Quantitatively, we outperform state-of-the-art NeRF-based methods on expression accuracy while rendering at 250+ FPS on a single GPU, and, notably, at $\sim$9 FPS under CPU-only inference - representing, to our knowledge, the first demonstration of practical CPU-only animatable 3DGS avatar synthesis. This work represents a significant step toward practical, high-performance digital humans. Project website: https://ramazan793.github.io/AGORA/
• Abstract（参考訳）: 高忠実でアニマタブルな3D人間のアバターは、VR、テレプレゼンス、エンターテイメントといったコンピュータグラフィックスとビジョンにおいて、依然として中心的な課題である。 既存のNeRFのような暗黙の表現に基づくアプローチはレンダリングが遅く、動的に矛盾するが、3D Gaussian Splatting (3DGS) 法は通常静的なヘッド生成に限られ、動的制御が欠如している。 AGORAは3DGSを生成的敵ネットワーク内で拡張し、アニマタブルなアバターを生成する新しいフレームワークである。 我々の重要な貢献は、ガウスあたりの残差を予測する軽量なFLAME条件変形分岐であり、リアルタイムの推論を可能にしながら、アイデンティティ保存、きめ細かい表現制御を可能にする。 表現の忠実度は、パラメトリックメッシュの合成レンダリングを利用する二重識別器のトレーニングスキームを介して実施される。 AGORAは視覚的にリアルなだけでなく、正確に制御可能なアバターを生成する。 定量的には、1つのGPU上で250FPS以上のレンダリングを行い、特にCPUのみの推論で$$\sim$9FPSで、我々の知る限り、実用的なCPUのみのアニマタブルな3DGSアバター合成の最初の実演を行う際に、最先端のNeRFベースの方法よりも優れている。 この研究は、実用的で高性能なデジタル人間への重要な一歩である。 プロジェクトウェブサイト: https://ramazan793.github.io/AGORA/

関連論文リスト

• SEGA: Drivable 3D Gaussian Head Avatar from a Single Image [15.117619290414064]
  本稿では,3次元ドライビング可能なガウスヘッドアバターの新規な手法であるSEGAを提案する。 SEGAは、大規模な2Dデータセットから派生した先行データと、マルチビュー、マルチ圧縮、マルチIDデータから得られた3D先行データとをシームレスに結合する。 提案手法は, 一般化能力, アイデンティティ保存, 表現リアリズムにおいて, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-19T18:23:31Z)
• SqueezeMe: Mobile-Ready Distillation of Gaussian Full-Body Avatars [19.249226899376943]
  本稿では,高忠実度3Dガウスフルボディアバターを軽量な表現に変換するフレームワークであるSqueezeMeを紹介する。 私たちはMeta Quest 3 VRヘッドセットで3つのガウスアバターをリアルタイムで(72FPS)同時アニメーションとレンダリングを初めて実現しました。
  論文  参考訳（メタデータ） (2024-12-19T18:46:55Z)
• Generalizable and Animatable Gaussian Head Avatar [50.34788590904843]
  本稿では,GAGAvatar(Generalizable and Animatable Gaussian Head Avatar)を提案する。 我々は、1つの前方通過で1つの画像から3次元ガウスのパラメータを生成する。 提案手法は, 従来の手法と比較して, 再現性や表現精度の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-10T14:29:00Z)
• GAvatar: Animatable 3D Gaussian Avatars with Implicit Mesh Learning [60.33970027554299]
  ガウススプラッティングは、明示的(メッシュ)と暗黙的(NeRF)の両方の3D表現の利点を利用する強力な3D表現として登場した。 本稿では,ガウススプラッティングを利用してテキスト記述から現実的なアニマタブルなアバターを生成する。 提案手法であるGAvatarは,テキストプロンプトのみを用いて,多様なアニマタブルアバターを大規模に生成する。
  論文  参考訳（メタデータ） (2023-12-18T18:59:12Z)
• ASH: Animatable Gaussian Splats for Efficient and Photoreal Human Rendering [62.81677824868519]
  本稿では,動的人間をリアルタイムに写実的にレンダリングするためのアニマタブルなガウススプラッティング手法を提案する。 我々は、被服をアニマタブルな3Dガウスとしてパラメータ化し、画像空間に効率よく切り込み、最終的なレンダリングを生成する。 我々は、ポーズ制御可能なアバターの競合手法を用いてASHをベンチマークし、我々の手法が既存のリアルタイムメソッドよりも大きなマージンで優れており、オフラインメソッドよりも同等またはそれ以上の結果を示すことを示した。
  論文  参考訳（メタデータ） (2023-12-10T17:07:37Z)

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。