論文の概要: SARS: A Novel Face and Body Shape and Appearance Aware 3D Reconstruction System extends Morphable Models

• arxiv url: http://arxiv.org/abs/2602.09918v1
• Date: Tue, 10 Feb 2026 15:52:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.660158
• Title: SARS: A Novel Face and Body Shape and Appearance Aware 3D Reconstruction System extends Morphable Models
• Title（参考訳）: SARS:新しい顔・体形・外観認識3D再構成システム
• Authors: Gulraiz Khan, Kenneth Y. Wertheim, Kevin Pimbblet, Waqas Ahmed,
• Abstract要約: 3DMMは、アイデンティティと表現を基本的なフェイスメッシュと組み合わせて、詳細な3Dモデルを作成する。 3次元Morphableモデルの可変性は、多様なパラメータをチューニングすることによって制御できる。
• 参考スコア（独自算出の注目度）: 1.0824599145435252
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Morphable Models (3DMMs) are a type of morphable model that takes 2D images as inputs and recreates the structure and physical appearance of 3D objects, especially human faces and bodies. 3DMM combines identity and expression blendshapes with a basic face mesh to create a detailed 3D model. The variability in the 3D Morphable models can be controlled by tuning diverse parameters. They are high-level image descriptors, such as shape, texture, illumination, and camera parameters. Previous research in 3D human reconstruction concentrated solely on global face structure or geometry, ignoring face semantic features such as age, gender, and facial landmarks characterizing facial boundaries, curves, dips, and wrinkles. In order to accommodate changes in these high-level facial characteristics, this work introduces a shape and appearance-aware 3D reconstruction system (named SARS by us), a c modular pipeline that extracts body and face information from a single image to properly rebuild the 3D model of the human full body.
• Abstract（参考訳）: Morphable Models(3DMM)は、2D画像を入力として取り出し、3Dオブジェクト、特に人間の顔や体の構造と物理的外観を再現する、変形可能なモデルの一種である。 3DMMは、アイデンティティと表現を基本的なフェイスメッシュと組み合わせて、詳細な3Dモデルを作成する。 3次元Morphableモデルの可変性は、多様なパラメータをチューニングすることによって制御できる。 これらは、形状、テクスチャ、照明、カメラパラメータなどの高レベルの画像記述子である。 人間の3次元再構築における以前の研究は、顔の境界、カーブ、ディップ、しわを特徴付ける年齢、性別、顔のランドマークなどの顔の意味的特徴を無視し、グローバルな顔の構造や幾何学にのみ焦点を絞ったものだった。 これらの高レベルの顔の特徴の変化に対応するため、この研究は、人間の全身の3Dモデルを適切に再構築するために、単一の画像から身体と顔情報を抽出するcモジュラーパイプラインである形状と外観を意識した3D再構成システム(SARS by us)を導入している。

関連論文リスト

• Shape from Semantics: 3D Shape Generation from Multi-View Semantics [30.969299308083723]
  既存の3D再構成手法では, 3次元画像, 3次元点雲, 形状輪郭, 単一意味論などのガイダンスを用いて3次元表面を復元する。 図形や外観が、異なる視点から見ると、与えられたテキストの意味と一致した3Dモデルを作成することを目的として、新しい3Dモデリングタスク「Shape from Semantics'」を提案する。
  論文  参考訳（メタデータ） (2025-02-01T07:51:59Z)
• En3D: An Enhanced Generative Model for Sculpting 3D Humans from 2D Synthetic Data [36.51674664590734]
  本研究では,高品質な3次元アバターの小型化を図ったEn3Dを提案する。 従来の3Dデータセットの不足や、視角が不均衡な限られた2Dコレクションと異なり、本研究の目的は、ゼロショットで3D人間を作れる3Dの開発である。
  論文  参考訳（メタデータ） (2024-01-02T12:06:31Z)
• Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization [91.52882218901627]
  本稿では,3次元形態素な顔モデルを構築するための新しい手法を提案する。 本手法は, 最先端手法と比較して, フォトリアリズム, 幾何, 表現精度を向上する。
  論文  参考訳（メタデータ） (2023-05-04T17:58:40Z)
• Towards Realistic Generative 3D Face Models [41.574628821637944]
  本稿では,高品質なアルベドと精密な3次元形状を生成するために,3次元制御可能な顔モデルを提案する。 2次元顔生成モデルとセマンティック顔操作を組み合わせることで、詳細な3次元顔の編集を可能にする。
  論文  参考訳（メタデータ） (2023-04-24T22:47:52Z)
• CGOF++: Controllable 3D Face Synthesis with Conditional Generative Occupancy Fields [52.14985242487535]
  生成した顔画像の3次元制御性を実現する条件付き3次元顔合成フレームワークを提案する。 中心となるのは条件付き生成操作場(cGOF++)であり、それによって生成された顔の形状が与えられた3Dモルファブルモデル(3DMM)メッシュに適合するように効果的に強制される。 提案手法の有効性を検証し, 最先端の2次元顔合成法よりも高精度な3次元制御性を示す実験を行った。
  論文  参考訳（メタデータ） (2022-11-23T19:02:50Z)
• Next3D: Generative Neural Texture Rasterization for 3D-Aware Head Avatars [36.4402388864691]
  3D-Aware Generative Adversarial Network (GANs) は, 単一視点2D画像のコレクションのみを用いて, 高忠実かつ多視点の顔画像を合成する。 最近の研究は、3D Morphable Face Model (3DMM) を用いて、生成放射場における変形を明示的または暗黙的に記述している。 本研究では,非構造化2次元画像から生成的,高品質,かつ3D一貫性のある顔アバターの教師なし学習のための新しい3D GANフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-21T06:40:46Z)
• Controllable 3D Generative Adversarial Face Model via Disentangling Shape and Appearance [63.13801759915835]
  3次元顔モデリングはコンピュータビジョンとコンピュータグラフィックスの研究の活発な領域である。 本稿では,識別と表現を分離できる新しい3次元顔生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-08-30T13:40:48Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)

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。