論文の概要: Using Gaussian Splats to Create High-Fidelity Facial Geometry and Texture

• arxiv url: http://arxiv.org/abs/2512.16397v1
• Date: Thu, 18 Dec 2025 10:53:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.018251
• Title: Using Gaussian Splats to Create High-Fidelity Facial Geometry and Texture
• Title（参考訳）: 高忠実度顔形状とテクスチャ作成にガウススプラッターを用いる
• Authors: Haodi He, Jihun Yu, Ronald Fedkiw,
• Abstract要約: 我々は、人間の顔の未校正画像の集合の統一的な説明を構築するために、人気が高まっている3次元神経表現を活用している。 セグメンテーションのセグメンテーションを利用して,11枚の画像から中性ポーズを復元する。 本研究では,ガウススプラッツを視覚依存型神経テクスチャとして扱えるようなテクスチャ空間に,正確な幾何学がいかに変換できるかを示す。
• 参考スコア（独自算出の注目度）: 2.7431069096660736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We leverage increasingly popular three-dimensional neural representations in order to construct a unified and consistent explanation of a collection of uncalibrated images of the human face. Our approach utilizes Gaussian Splatting, since it is more explicit and thus more amenable to constraints than NeRFs. We leverage segmentation annotations to align the semantic regions of the face, facilitating the reconstruction of a neutral pose from only 11 images (as opposed to requiring a long video). We soft constrain the Gaussians to an underlying triangulated surface in order to provide a more structured Gaussian Splat reconstruction, which in turn informs subsequent perturbations to increase the accuracy of the underlying triangulated surface. The resulting triangulated surface can then be used in a standard graphics pipeline. In addition, and perhaps most impactful, we show how accurate geometry enables the Gaussian Splats to be transformed into texture space where they can be treated as a view-dependent neural texture. This allows one to use high visual fidelity Gaussian Splatting on any asset in a scene without the need to modify any other asset or any other aspect (geometry, lighting, renderer, etc.) of the graphics pipeline. We utilize a relightable Gaussian model to disentangle texture from lighting in order to obtain a delit high-resolution albedo texture that is also readily usable in a standard graphics pipeline. The flexibility of our system allows for training with disparate images, even with incompatible lighting, facilitating robust regularization. Finally, we demonstrate the efficacy of our approach by illustrating its use in a text-driven asset creation pipeline.
• Abstract（参考訳）: 我々は、人間の顔の未校正画像の集合について統一的で一貫した説明を構築するために、人気が高まっている3次元神経表現を活用している。 提案手法はガウススプラッティングを利用するが、これはNeRFよりも明示的で制約に順応しやすいためである。 セグメンテーションアノテーションを利用して顔のセグメンテーション領域をアライメントし,11枚の画像から中性ポーズを復元する。 我々はガウス群を下層の三角面に軟らかく拘束し、より構造化されたガウススプラットの再構成を提供し、それによって、下層の三角面の精度を高めるためにその後の摂動を知らせる。 結果として得られる三角曲面は、標準グラフィックパイプラインで使用することができる。 さらに、おそらく最も影響を受けやすいのは、正確な幾何学により、ガウスのスプラッツが、ビュー依存の神経テクスチャとして扱うことができるテクスチャ空間に変換できることである。 これにより、グラフィックパイプラインの他のアセットや他のアスペクト(幾何学、照明、レンダラーなど)を変更する必要なく、シーン内の任意のアセットに高視認性ガウススプラッティングを使用することができる。 ガウスモデルを用いて光からテクスチャを遠ざけることで,標準のグラフィックスパイプラインでも容易に使用可能な高分解能アルベドテクスチャを得る。 システムの柔軟性により、互換性のない照明であっても、異なる画像によるトレーニングが可能となり、堅牢な正規化が容易になる。 最後に、テキスト駆動のアセット生成パイプラインでの使用を例示することで、このアプローチの有効性を実証する。

関連論文リスト

• Content-Aware Texturing for Gaussian Splatting [4.861240703958262]
  我々は,テクスチャを用いて,可能な限り詳細な外観を表現することを提案する。 我々の主な焦点は、ガウススプラッティング最適化中にシーンに適応する原初的テクスチャマップを組み込むことである。 提案手法は, 画像の質やパラメータの総数において, 代替手法と比較して良好に動作することを示す。
  論文  参考訳（メタデータ） (2025-12-02T10:29:10Z)
• VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
  3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。 ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-13T14:44:50Z)
• 3D Gaussian Splatting with Normal Information for Mesh Extraction and Improved Rendering [8.59572577251833]
  ガウス関数から推定される符号距離関数の勾配を用いた新しい正規化法を提案する。 我々は、Mip-NeRF360、Tamps and Temples、Deep-Blendingなどのデータセットに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-01-14T18:40:33Z)
• Neural Surface Priors for Editable Gaussian Splatting [1.4153509273019282]
  本稿では,3次元ガウススプラッティングと暗黙の面表現を組み合わせた新しい手法を提案する。 提案手法は,ニューラルサインされた距離場を用いてシーン表面を再構成する。 編集を容易にするために,視覚的および幾何学的情報を軽量な三角形スーププロキシにエンコードする。
  論文  参考訳（メタデータ） (2024-11-27T13:06:37Z)
• GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
  GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。 本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。 両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
  論文  参考訳（メタデータ） (2024-11-12T01:51:05Z)
• NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting Guidance [48.72360034876566]
  本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。 3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。 我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
  論文  参考訳（メタデータ） (2023-12-01T07:04:47Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)

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。