論文の概要: Generalizable and Animatable 3D Full-Head Gaussian Avatar from a Single Image

• arxiv url: http://arxiv.org/abs/2601.12770v1
• Date: Mon, 19 Jan 2026 06:56:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.784763
• Title: Generalizable and Animatable 3D Full-Head Gaussian Avatar from a Single Image
• Title（参考訳）: 単一画像からの3次元フルヘッドガウスアバターの一般化とアニメーション化
• Authors: Shuling Zhao, Dan Xu,
• Abstract要約: 単一の画像から3Dアニマタブルな頭部アバターを構築することは重要な問題ですが、難しい問題です。 既存の方法は通常、大きなカメラポーズのバリエーションの下で崩壊し、3Dアバターのリアリズムを損なう。 本研究では,1回のフィードフォワードパスで1発の3Dフルヘッドアニマタブルアバター再構成を実現するための新しい枠組みを提案する。
• 参考スコア（独自算出の注目度）: 9.505520774467263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building 3D animatable head avatars from a single image is an important yet challenging problem. Existing methods generally collapse under large camera pose variations, compromising the realism of 3D avatars. In this work, we propose a new framework to tackle the novel setting of one-shot 3D full-head animatable avatar reconstruction in a single feed-forward pass, enabling real-time animation and simultaneous 360$^\circ$ rendering views. To facilitate efficient animation control, we model 3D head avatars with Gaussian primitives embedded on the surface of a parametric face model within the UV space. To obtain knowledge of full-head geometry and textures, we leverage rich 3D full-head priors within a pretrained 3D generative adversarial network (GAN) for global full-head feature extraction and multi-view supervision. To increase the fidelity of the 3D reconstruction of the input image, we take advantage of the symmetric nature of the UV space and human faces to fuse local fine-grained input image features with the global full-head textures. Extensive experiments demonstrate the effectiveness of our method, achieving high-quality 3D full-head modeling as well as real-time animation, thereby improving the realism of 3D talking avatars.
• Abstract（参考訳）: 単一の画像から3Dアニマタブルな頭部アバターを構築することは重要な問題ですが、難しい問題です。 既存の方法は通常、大きなカメラポーズのバリエーションの下で崩壊し、3Dアバターのリアリズムを損なう。 本研究では,1枚のフィードフォワードパスで1枚3Dのフルヘッドアニマタブルアバターを再構成し,リアルタイムアニメーションと360$^\circ$レンダリングビューの同時表示を可能にする新しいフレームワークを提案する。 効率的なアニメーション制御を容易にするため、UV空間内のパラメトリック顔モデルの表面にガウス原始体を埋め込んだ3次元ヘッドアバターをモデル化する。 フルヘッド形状とテクスチャの知識を得るために, 事前訓練された3次元生成対向ネットワーク(GAN)内でリッチな3次元フルヘッド前処理を活用し, グローバルなフルヘッド特徴抽出と多視点監視を行う。 入力画像の3次元再構成の忠実性を高めるため、UV空間と人間の顔の対称性を利用して、局所的な微細な入力画像特徴をグローバルなフルヘッドテクスチャで融合させる。 提案手法の有効性を実証し,高品質な3次元フルヘッドモデリングとリアルタイムアニメーションを実現し,3次元音声アバターの現実性を向上させる。

関連論文リスト

• MoGA: 3D Generative Avatar Prior for Monocular Gaussian Avatar Reconstruction [65.5412504339528]
  MoGAは高忠実度3Dガウスアバターを単一視点画像から再構成する新しい手法である。 提案手法は最先端の手法を超越し,実世界のシナリオを一般化する。
  論文  参考訳（メタデータ） (2025-07-31T14:36:24Z)
• TeGA: Texture Space Gaussian Avatars for High-Resolution Dynamic Head Modeling [52.87836237427514]
  フォトリアルアバターは、テレプレゼンス、拡張現実、エンターテイメントにおける新興アプリケーションにおいて重要な要素であると見なされている。 本稿では,最先端の3Dヘッドアバターモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-08T22:10:27Z)
• Avat3r: Large Animatable Gaussian Reconstruction Model for High-fidelity 3D Head Avatars [60.0866477932976]
  少数の入力画像から高品質でアニマタブルな3Dヘッドアバターを復元するAvat3rを提案する。 大規模なリコンストラクションモデルをアニマタブルにし、大規模なマルチビュービデオデータセットから3次元以上の人間の頭部を強力に学習する。 トレーニング中に異なる表現の入力イメージをモデルに供給することでロバスト性を高め,不整合入力からの3次元頭部アバターの再構成を可能にする。
  論文  参考訳（メタデータ） (2025-02-27T16:00:11Z)
• FAGhead: Fully Animate Gaussian Head from Monocular Videos [2.9979421496374683]
  FAGheadは、モノクロビデオから完全に制御可能な人間の肖像画を可能にする方法である。 従来の3次元形状メッシュ(3DMM)を明示し,中性な3次元ガウス多様体を複素表現で再構成するために最適化する。 アバターのエッジを効果的に管理するために,各画素のアルファ値を監督するアルファレンダリングを導入した。
  論文  参考訳（メタデータ） (2024-06-27T10:40:35Z)
• DreamWaltz: Make a Scene with Complex 3D Animatable Avatars [68.49935994384047]
  本稿では,テキストガイダンスとパラメトリック人体を用いた複雑な3Dアバターの生成とアニメーションを行う新しいフレームワークであるDreamWaltzを紹介する。 アニメーションでは,様々なポーズに条件付き拡散モデルの豊富な画像から,アニマタブルな3次元アバター表現を学習する。
  論文  参考訳（メタデータ） (2023-05-21T17:59:39Z)
• DreamAvatar: Text-and-Shape Guided 3D Human Avatar Generation via Diffusion Models [55.71306021041785]
  高品質な3Dアバターを作成するためのテキスト・アンド・シェイプ・ガイドフレームワークであるDreamAvatarについて紹介する。 SMPLモデルを利用して、生成のための形状とポーズのガイダンスを提供する。 また、全体とズームインした3Dヘッドから計算した損失を共同で最適化し、一般的なマルチフェイス「Janus」問題を緩和する。
  論文  参考訳（メタデータ） (2023-04-03T12:11:51Z)

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。