論文の概要: ProgressiveAvatars: Progressive Animatable 3D Gaussian Avatars
- arxiv url: http://arxiv.org/abs/2603.16447v1
- Date: Tue, 17 Mar 2026 12:30:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.272911
- Title: ProgressiveAvatars: Progressive Animatable 3D Gaussian Avatars
- Title（参考訳）: Progressive Avatars: Progressive Animatable 3D Gaussian Avatars
- Authors: Kaiwen Song, Jinkai Cui, Juyong Zhang,
- Abstract要約: 本稿では,3次元ガウス階層上に構築されたプログレッシブアバター表現であるプログレッシブアバターを提案する。
ProgressiveAvatarsはインクリメンタルなローディングとレンダリングをサポートし、以前のコンテンツを保存しながら、到着時に新しいガウシアンを追加する。
- 参考スコア（独自算出の注目度）: 23.413509861707325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In practical real-time XR and telepresence applications, network and computing resources fluctuate frequently. Therefore, a progressive 3D representation is needed. To this end, we propose ProgressiveAvatars, a progressive avatar representation built on a hierarchy of 3D Gaussians grown by adaptive implicit subdivision on a template mesh. 3D Gaussians are defined in face-local coordinates to remain animatable under varying expressions and head motion across multiple detail levels. The hierarchy expands when screen-space signals indicate a lack of detail, allocating resources to important areas. Leveraging importance ranking, ProgressiveAvatars supports incremental loading and rendering, adding new Gaussians as they arrive while preserving previous content, thus achieving smooth quality improvements across varying bandwidths. ProgressiveAvatars enables progressive delivery and progressive rendering under fluctuating network bandwidth and varying compute and memory resources.
- Abstract（参考訳）: 実際のリアルタイムXRおよびテレプレゼンスアプリケーションでは、ネットワークとコンピューティングのリソースは頻繁に変動する。
したがって、プログレッシブな3D表現が必要である。
この目的のために,テンプレートメッシュ上の適応的暗黙的部分分割によって成長する3次元ガウスの階層上に構築されたプログレッシブアバター表現であるプログレッシブアバターを提案する。
3Dガウスは顔の局所座標で定義され、様々な表現と複数の詳細レベルにわたる頭部運動の下でアニマタブルに保たれる。
階層構造は、画面空間信号が詳細の欠如を示し、リソースを重要な領域に割り当てるときに拡大する。
重要ランキングを活用することで、ProgressiveAvatarsはインクリメンタルなローディングとレンダリングをサポートし、以前のコンテンツを保存している間に新しいガウシアンを追加することで、さまざまな帯域幅でスムーズな品質改善を実現している。
プログレッシブアバターは、変動するネットワーク帯域と様々な計算およびメモリリソースの下で、プログレッシブデリバリとプログレッシブレンダリングを可能にする。
関連論文リスト
- LiftAvatar: Kinematic-Space Completion for Expression-Controlled 3D Gaussian Avatar Animation [9.736861648552408]
リフトアバター(LiftAvatar)は、運動空間における特異な単分子観測を完備する新しいパラダイムである。
完成した信号を使って高忠実度アバターアニメーションを駆動する。
論文 参考訳（メタデータ） (2026-03-02T17:46:32Z) - From Blurry to Believable: Enhancing Low-quality Talking Heads with 3D Generative Priors [49.37666175170832]
低解像度でアニマタブルな3Dヘッドアバターを実現するためのフレームワークであるSuperHeadを紹介する。
SuperHeadは高品質な幾何学とテクスチャを合成し、3Dと時間的整合性を確保している。
実験により、SuperHeadはダイナミックモーションの下で、きめ細かい顔の詳細を持つアバターを生成することが示された。
論文 参考訳（メタデータ） (2026-02-05T19:00:50Z) - FastGHA: Generalized Few-Shot 3D Gaussian Head Avatars with Real-Time Animation [26.161556787983496]
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。
論文 参考訳（メタデータ） (2026-01-20T10:49:49Z) - Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars [54.854597811704316]
AGORAは、3DGSを生成的敵ネットワーク内で拡張し、アニマタブルなアバターを生成する新しいフレームワークである。
表現の忠実度は、二重識別器の訓練スキームによって強制される。
AGORAは視覚的にリアルなだけでなく、正確に制御可能なアバターを生成する。
論文 参考訳（メタデータ） (2025-12-06T14:05:20Z) - HGC-Avatar: Hierarchical Gaussian Compression for Streamable Dynamic 3D Avatars [45.746590759473435]
HGC-アバター(HGC-Avatar)は、動的アバターの効率的な伝送と高品質レンダリングのための新しい階層型ガウス圧縮フレームワークである。
我々は,HGC-Avatarが高速な3次元アバターレンダリングを実現すると同時に,視覚的品質と圧縮効率の両面で先行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） (2025-10-18T12:03:26Z) - Progressive Gaussian Transformer with Anisotropy-aware Sampling for Open Vocabulary Occupancy Prediction [9.952279648243058]
オープンな3次元占有予測を可能にする革新的プログレッシブ・ガウス変換フレームワークPG-Occを提案する。
本フレームワークでは,3次元ガウス表現を段階的に強化し,細かなシーンの詳細を捉えるフィードフォワード戦略であるプログレッシブオンラインデシフィケーションを採用している。
PG-Occは従来よりも14.3%mIoUの改善が得られた。
論文 参考訳（メタデータ） (2025-10-06T12:36:07Z) - 3D$^2$-Actor: Learning Pose-Conditioned 3D-Aware Denoiser for Realistic Gaussian Avatar Modeling [37.11454674584874]
ポーズ条件付き3D対応ヒューマンモデリングパイプラインである3D$2$-Actorを導入する。
実験により、3D$2$-アクターは高忠実度アバターモデリングにおいて優れ、新しいポーズに頑健に一般化することを示した。
論文 参考訳（メタデータ） (2024-12-16T09:37:52Z) - DreamWaltz-G: Expressive 3D Gaussian Avatars from Skeleton-Guided 2D
Diffusion [69.67970568012599]
テキストからアニマタブルな3Dアバター生成のための新しい学習フレームワークDreamWaltz-Gを提案する。
このフレームワークのコアはScore DistillationとHybrid 3D Gaussian Avatar表現にある。
我々のフレームワークは、人間のビデオ再現や多目的シーン構成など、多様なアプリケーションもサポートしています。
論文 参考訳（メタデータ） (2024-09-25T17:59:45Z) - Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。
局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。
提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
論文 参考訳（メタデータ） (2023-11-30T17:58:57Z)
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。