論文の概要: Gaussian Wardrobe: Compositional 3D Gaussian Avatars for Free-Form Virtual Try-On

• arxiv url: http://arxiv.org/abs/2603.04290v2
• Date: Thu, 05 Mar 2026 15:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 15:25:24.459148
• Title: Gaussian Wardrobe: Compositional 3D Gaussian Avatars for Free-Form Virtual Try-On
• Title（参考訳）: ガウシアン・ウォードローブ:自由形仮想試着用3Dガウシアン・アバター
• Authors: Zhiyi Chen, Hsuan-I Ho, Tianjian Jiang, Jie Song, Manuel Kaufmann, Chen Guo,
• Abstract要約: マルチビュービデオから合成3Dニューラルアバターをデジタル化する新しいフレームワークを提案する。 我々の手法の核心は、神経アバターを体と形状に依存しない神経衣服の層に分解することである。 実験では,高忠実度ダイナミックスを用いた光現実性アバターをモデル化した。
• 参考スコア（独自算出の注目度）: 19.50809753297068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Gaussian Wardrobe, a novel framework to digitalize compositional 3D neural avatars from multi-view videos. Existing methods for 3D neural avatars typically treat the human body and clothing as an inseparable entity. However, this paradigm fails to capture the dynamics of complex free-form garments and limits the reuse of clothing across different individuals. To overcome these problems, we develop a novel, compositional 3D Gaussian representation to build avatars from multiple layers of free-form garments. The core of our method is decomposing neural avatars into bodies and layers of shape-agnostic neural garments. To achieve this, our framework learns to disentangle each garment layer from multi-view videos and canonicalizes it into a shape-independent space. In experiments, our method models photorealistic avatars with high-fidelity dynamics, achieving new state-of-the-art performance on novel pose synthesis benchmarks. In addition, we demonstrate that the learned compositional garments contribute to a versatile digital wardrobe, enabling a practical virtual try-on application where clothing can be freely transferred to new subjects. Project page: https://ait.ethz.ch/gaussianwardrobe
• Abstract（参考訳）: マルチビュービデオから合成3Dニューラルアバターをデジタル化する新しいフレームワークであるGaussian Wardrobeを紹介する。 既存の3Dニューラルアバターの方法は、通常、人体と衣服を分離不可能な実体として扱う。 しかし、このパラダイムは、複雑な自由形式の衣服のダイナミクスを捉え、異なる個人間での衣服の再利用を制限することに失敗している。 これらの問題を克服するため、我々は、自由形式の衣服の複数の層からアバターを構築するための、新しい3次元ガウス表現を開発した。 我々の手法の核心は、神経アバターを体と形状に依存しない神経衣服の層に分解することである。 これを実現するために,本フレームワークでは,各衣料層を多視点ビデオから切り離し,形状に依存しない空間に標準化する。 実験では,高忠実度動特性を持つ光実写アバターをモデル化し,新しいポーズ合成ベンチマークにおける新しい最先端性能を実現する。 さらに,学習した合成衣服が多目的なデジタルワードローブに寄与することを示し,服を新しい被写体に自由に移動できる実用的仮想試着アプリケーションを実現する。 プロジェクトページ: https://ait.ethz.ch/gaussianwardrobe

関連論文リスト

• AdaHuman: Animatable Detailed 3D Human Generation with Compositional Multiview Diffusion [56.12859795754579]
  AdaHumanは、単一のアプリ内画像から高忠実でアニマタブルな3Dアバターを生成する新しいフレームワークである。 AdaHumanはポーズ条件付き3D共同拡散モデルと合成3DGS精製モジュールという2つの重要なイノベーションを取り入れている。
  論文  参考訳（メタデータ） (2025-05-30T17:59:54Z)
• FRESA: Feedforward Reconstruction of Personalized Skinned Avatars from Few Images [74.86864398919467]
  数枚の画像からリアルなアニメーションで、パーソナライズされた3Dアバターを再構成する新しい手法を提案する。 我々は、1000人以上の服を着た人間から普遍的な事前学習を行い、即時フィードフォワード生成とゼロショット一般化を実現する。 提案手法は, 最新技術よりも忠実な再構築とアニメーションを生成し, カジュアルに撮影された携帯電話写真からの入力に直接一般化することができる。
  論文  参考訳（メタデータ） (2025-03-24T23:20:47Z)
• AniDress: Animatable Loose-Dressed Avatar from Sparse Views Using Garment Rigging Model [58.035758145894846]
  AniDressは、非常にスパースなマルチビュービデオを用いて、ゆるい服装でアニマタブルな人間のアバターを生成する新しい方法である。 身体運動と衣服運動の両方に条件付されたポーズ駆動型変形可能なニューラルラディアンス場を導入し、両方の部品を明示的に制御する。 本手法は,身体から高度に逸脱する自然の衣服のダイナミックスを描画し,目に見えない景色とポーズの両方に一般化することができる。
  論文  参考訳（メタデータ） (2024-01-27T08:48:18Z)
• Animatable and Relightable Gaussians for High-fidelity Human Avatar Modeling [47.1427140235414]
  強力な2次元CNNと3次元ガウススプラッティングを活用して高忠実度アバターを作成する新しいアバター表現を提案する。 我々の手法は、動的で現実的で、一般化され、楽しく見えるアバターを作ることができる。
  論文  参考訳（メタデータ） (2023-11-27T18:59:04Z)
• AvatarFusion: Zero-shot Generation of Clothing-Decoupled 3D Avatars Using 2D Diffusion [34.609403685504944]
  ゼロショットテキスト-アバター生成のためのフレームワークであるAvatarFusionを提案する。 我々は遅延拡散モデルを用いて、人間の現実的なアバターを生成するためのピクセルレベルのガイダンスを提供する。 また,身体と衣服の生成を意味的に分離する新たな最適化手法である,PS-DS(Pixel-Semantics Difference-Sampling)を導入する。
  論文  参考訳（メタデータ） (2023-07-13T02:19:56Z)
• Capturing and Animation of Body and Clothing from Monocular Video [105.87228128022804]
  メッシュベース体とニューラル放射場を組み合わせたハイブリッドモデルであるSCARFを提案する。 メッシュをレンダリングに統合することで、モノクロビデオから直接SCARFを最適化できます。 本研究は,SCARFが従来の方法よりも高品質な衣服であり,身体のポーズや体型の変化とともに衣服が変形し,異なる被験者のアバター間で衣服の移動が成功できることを実証する。
  論文  参考訳（メタデータ） (2022-10-04T19:34:05Z)
• gDNA: Towards Generative Detailed Neural Avatars [94.9804106939663]
  我々のモデルでは,多様で詳細な衣服を身に着けた自然の人間のアバターを生成できることが示されている。 本手法は,人間のモデルを生のスキャンに適合させる作業に使用することができ,従来の最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-11T18:46:38Z)
• The Power of Points for Modeling Humans in Clothing [60.00557674969284]
  現在、アーティストはリアルな衣服で自然に動く3Dアバターを作る必要がある。 3次元表現は様々なトポロジを高分解能で捉えることができ、データから学習できることを示す。 我々は、異なる衣服の形状を表現するために、新しい局所的な衣服幾何学的特徴を持つニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2021-09-02T17:58:45Z)
• Explicit Clothing Modeling for an Animatable Full-Body Avatar [21.451440299450592]
  マルチビューキャプチャービデオから上半身の衣服を明示的に表現したアニマタブルな布製のアバターを製作した。 身体力学と衣服状態の相互作用を学習するために、時間的畳み込みネットワークを用いて衣服潜伏コードの予測を行う。 3つの異なるアクターに対してフォトリアリスティックなアニメーションを出力し、単層アバターよりも布体アバターの利点を実演する。
  論文  参考訳（メタデータ） (2021-06-28T17:58:40Z)

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。