論文の概要: FastGHA: Generalized Few-Shot 3D Gaussian Head Avatars with Real-Time Animation

• arxiv url: http://arxiv.org/abs/2601.13837v1
• Date: Tue, 20 Jan 2026 10:49:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.271561
• Title: FastGHA: Generalized Few-Shot 3D Gaussian Head Avatars with Real-Time Animation
• Title（参考訳）: FastGHA: リアルタイムアニメーションによる一般化Few-Shot 3Dガウス型ヘッドアバター
• Authors: Xinya Ji, Sebastian Weiss, Manuel Kansy, Jacek Naruniec, Xun Cao, Barbara Solenthaler, Derek Bradley,
• Abstract要約: OURSは、少数の入力画像から高品質なガウスヘッドアバターを生成するフィードフォワード方式である。 提案手法は,入力画像から画素ごとのガウス表現を直接学習する。 実験の結果,提案手法は,レンダリング品質と推論効率の両方において,既存の手法を著しく上回っていることがわかった。
• 参考スコア（独自算出の注目度）: 26.161556787983496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent progress in 3D Gaussian-based head avatar modeling, efficiently generating high fidelity avatars remains a challenge. Current methods typically rely on extensive multi-view capture setups or monocular videos with per-identity optimization during inference, limiting their scalability and ease of use on unseen subjects. To overcome these efficiency drawbacks, we propose \OURS, a feed-forward method to generate high-quality Gaussian head avatars from only a few input images while supporting real-time animation. Our approach directly learns a per-pixel Gaussian representation from the input images, and aggregates multi-view information using a transformer-based encoder that fuses image features from both DINOv3 and Stable Diffusion VAE. For real-time animation, we extend the explicit Gaussian representations with per-Gaussian features and introduce a lightweight MLP-based dynamic network to predict 3D Gaussian deformations from expression codes. Furthermore, to enhance geometric smoothness of the 3D head, we employ point maps from a pre-trained large reconstruction model as geometry supervision. Experiments show that our approach significantly outperforms existing methods in both rendering quality and inference efficiency, while supporting real-time dynamic avatar animation.
• Abstract（参考訳）: 近年の3次元ガウスに基づく頭部アバターモデリングの進歩にもかかわらず、高忠実度アバターを効率的に生成することは依然として課題である。 現在の手法は一般的に、推論中に個人毎の最適化を施した広範囲なマルチビューキャプチャ設定やモノクロビデオに依存しており、そのスケーラビリティと使用の容易さを制限している。 このような効率の欠点を克服するために,リアルタイムアニメーションをサポートしながら少数の入力画像から高品質なガウスヘッドアバターを生成するフィードフォワード方式である‘OURS’を提案する。 提案手法では,入力画像から画素ごとのガウス表現を直接学習し,DINOv3と安定拡散VAEの両方の画像特徴を融合するトランスフォーマーを用いたエンコーダを用いて多視点情報を集約する。 実時間アニメーションでは、ガウス特徴量による明示的なガウス表現を拡張し、表現符号から3次元ガウス変形を予測するための軽量なMLPベースの動的ネットワークを導入する。 さらに,3次元頭部の幾何学的滑らか性を高めるために,事前学習した大規模再構成モデルの点マップを幾何学的監督として利用する。 実験の結果,提案手法はリアルタイムな動的アバターアニメーションをサポートしながら,レンダリング品質と推論効率の両方において既存の手法よりも優れていた。

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)
• 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)
• Gaussian Deja-vu: Creating Controllable 3D Gaussian Head-Avatars with Enhanced Generalization and Personalization Abilities [10.816370283498287]
  本稿では,まず頭部アバターの一般化モデルを取得し,その結果をパーソナライズする「ガウスデジャヴ」(Gaussian Deja-vu)フレームワークを紹介する。 パーソナライズのために、ニューラルネットワークに頼らずに迅速に収束する学習可能な表現認識補正ブレンドマップを提案する。 最先端の3Dガウシアンヘッドアバターをフォトリアリスティックな品質で上回り、既存の方法の少なくとも4分の1のトレーニング時間を短縮する。
  論文  参考訳（メタデータ） (2024-09-23T00:11:30Z)
• NPGA: Neural Parametric Gaussian Avatars [46.52887358194364]
  マルチビュー映像記録から高忠実度制御可能なアバターを作成するためのデータ駆動方式を提案する。 我々は,高効率なレンダリングのための3次元ガウススプラッティングの手法を構築し,点雲のトポロジカルな柔軟性を継承する。 提案手法をNeRSembleデータセット上で評価し,NPGAが従来の自己再現タスクの2.6PSNRよりも有意に優れていたことを示す。
  論文  参考訳（メタデータ） (2024-05-29T17:58:09Z)
• 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)
• GaussianAvatar: Towards Realistic Human Avatar Modeling from a Single Video via Animatable 3D Gaussians [51.46168990249278]
  一つのビデオから動的に3D映像を映し出すリアルな人間のアバターを作成するための効率的なアプローチを提案する。 GustafAvatarは、公開データセットと収集データセットの両方で検証されています。
  論文  参考訳（メタデータ） (2023-12-04T18:55:45Z)

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。