論文の概要: Make-It-Poseable: Feed-forward Latent Posing Model for 3D Humanoid Character Animation

• arxiv url: http://arxiv.org/abs/2512.16767v1
• Date: Thu, 18 Dec 2025 17:01:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.170188
• Title: Make-It-Poseable: Feed-forward Latent Posing Model for 3D Humanoid Character Animation
• Title（参考訳）: Make-It-Poseable:3次元ヒューマノイドキャラクタアニメーションのためのフィードフォワード潜在ポーティングモデル
• Authors: Zhiyang Guo, Ori Zhang, Jax Xiang, Alan Zhao, Wengang Zhou, Houqiang Li,
• Abstract要約: 本稿では,遅延空間変換問題として文字ポーズを再構成する新しいフィードフォワードフレームワークであるMake-It-Poseableを紹介する。 提案手法は,その潜在表現を直接操作することで,新しいポーズのキャラクタを再構成する。 また、部品交換や改良などの3D編集アプリケーションにも自然に拡張される。
• 参考スコア（独自算出の注目度）: 74.6792422278706
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Posing 3D characters is a fundamental task in computer graphics and vision. However, existing methods like auto-rigging and pose-conditioned generation often struggle with challenges such as inaccurate skinning weight prediction, topological imperfections, and poor pose conformance, limiting their robustness and generalizability. To overcome these limitations, we introduce Make-It-Poseable, a novel feed-forward framework that reformulates character posing as a latent-space transformation problem. Instead of deforming mesh vertices as in traditional pipelines, our method reconstructs the character in new poses by directly manipulating its latent representation. At the core of our method is a latent posing transformer that manipulates shape tokens based on skeletal motion. This process is facilitated by a dense pose representation for precise control. To ensure high-fidelity geometry and accommodate topological changes, we also introduce a latent-space supervision strategy and an adaptive completion module. Our method demonstrates superior performance in posing quality. It also naturally extends to 3D editing applications like part replacement and refinement.
• Abstract（参考訳）: 3D文字の表示はコンピュータグラフィックスとビジョンの基本的なタスクである。 しかしながら、オートリギングやポーズ条件生成のような既存の手法は、不正確なスキンウェイト予測、トポロジカルな不完全性、不適切なポーズ適合性といった課題に苦しむことが多く、その堅牢性と一般化性を制限する。 このような制約を克服するため,我々は,潜在空間変換問題として文字ポーズを再構成する新しいフィードフォワードフレームワークであるMake-It-Poseableを紹介した。 従来のパイプラインのようにメッシュ頂点を変形するのではなく,潜在表現を直接操作することで,新しいポーズで文字を再構成する。 本手法のコアとなるのは,骨格運動に基づいて形状トークンを操作する潜在ポーズ変換器である。 このプロセスは、精密制御のための密度の高いポーズ表現によって促進される。 高忠実度幾何の確保とトポロジ的変化に対応するため、潜在空間監視戦略と適応完備化モジュールも導入する。 提案手法はポーズの質において優れた性能を示す。 また、部品交換や改良などの3D編集アプリケーションにも自然に拡張される。

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)
• 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)
• Skeleton-free Pose Transfer for Stylized 3D Characters [53.33996932633865]
  骨格リグを使わずにスタイリングされた3D文字間でポーズを自動転送する最初の方法を提案する。 そこで本稿では,対象キャラクターを目的のポーズに合わせるために,キャラクタのスキニング重みと変形変形を共同で予測する新しいポーズ伝達ネットワークを提案する。 提案手法は,既存の文字データを一対のポーズとスタイル化された形状で吸収する半教師付き方式で訓練されている。
  論文  参考訳（メタデータ） (2022-07-28T20:05:57Z)
• SCANimate: Weakly Supervised Learning of Skinned Clothed Avatar Networks [54.94737477860082]
  本論文では,着る人間の生の3Dスキャンをイメージ可能なアバターに変える,エンドツーエンドのトレーニング可能なフレームワークを提案する。 SCANimateはカスタマイズされたメッシュテンプレートや表面メッシュ登録に依存しません。 本手法はポーズ認識型外観モデルに適用でき,完全にテクスチャ化されたアバターを生成できる。
  論文  参考訳（メタデータ） (2021-04-07T17:59:58Z)

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。