論文の概要: UNIC: Neural Garment Deformation Field for Real-time Clothed Character Animation

• arxiv url: http://arxiv.org/abs/2603.25580v1
• Date: Thu, 26 Mar 2026 15:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.369692
• Title: UNIC: Neural Garment Deformation Field for Real-time Clothed Character Animation
• Title（参考訳）: UNIC:リアルタイム字幕アニメーションのためのニューラルガーメント変形場
• Authors: Chengfeng Zhao, Junbo Qi, Yulou Liu, Zhiyang Dou, Minchen Li, Taku Komura, Ziwei Liu, Wenping Wang, Yuan Liu,
• Abstract要約: 我々は,アバターの衣服をリアルタイムにアニメーション化するために,UNICというニューラルな変形場に基づく新しい手法を提案する。 私たちのキーとなるアイデアは、服のメッシュをアニメーションするために、インスタンス固有の神経変形フィールドを学ぶことです。
• 参考スコア（独自算出の注目度）: 74.6692006985004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating physically realistic garment deformations is an essential task for virtual immersive experience, which is often achieved by physics simulation methods. However, these methods are typically time-consuming, computationally demanding, and require costly hardware, which is not suitable for real-time applications. Recent learning-based methods tried to resolve this problem by training graph neural networks to learn the garment deformation on vertices, which, however, fail to capture the intricate deformation of complex garment meshes with complex topologies. In this paper, we introduce a novel neural deformation field-based method, named UNIC, to animate the garments of an avatar in real time, given the motion sequences. Our key idea is to learn the instance-specific neural deformation field to animate the garment meshes. Such an instance-specific learning scheme does not require UNIC to generalize to new garments but only to new motion sequences, which greatly reduces the difficulty in training and improves the deformation quality. Moreover, neural deformation fields map the 3D points to their deformation offsets, which not only avoids handling topologies of the complex garments but also injects a natural smoothness constraint in the deformation learning. Extensive experiments have been conducted on various kinds of garment meshes to demonstrate the effectiveness and efficiency of UNIC over baseline methods, making it potentially practical and useful in real-world interactive applications like video games.
• Abstract（参考訳）: 物理的に現実的な衣服の変形をシミュレーションすることは仮想没入体験にとって重要な課題であり、物理シミュレーション法によってしばしば達成される。 しかし、これらの手法は一般的に時間を費やし、計算的に要求されるものであり、リアルタイムアプリケーションには適さない高価なハードウェアを必要とする。 近年の学習ベース手法では, 複雑なトポロジを持つ複雑な衣服メッシュの複雑な変形を捉えるのに失敗する頂点上の衣服変形を学習するために, グラフニューラルネットワークを訓練してこの問題を解決しようとした。 本稿では, 動作シーケンスを考慮し, アバターの衣服をリアルタイムにアニメーション化するための, UNIC というニューラル変形場に基づく新しい手法を提案する。 私たちのキーとなるアイデアは、服のメッシュをアニメーションするために、インスタンス固有の神経変形フィールドを学ぶことです。 このようなインスタンス固有の学習方式では、新しい衣服にUNICを一般化する必要はなく、新しい動作シーケンスにのみ適用することで、トレーニングの難易度を大幅に低減し、変形品質を向上させることができる。 さらに、神経変形場は3Dの点を変形オフセットにマッピングし、複雑な衣服のトポロジーを扱うことを避けるだけでなく、変形学習において自然な滑らかさの制約を注入する。 UNICのベースライン法における有効性と効率を実証するため、様々な種類の衣服メッシュ上で大規模な実験が行われており、ビデオゲームのような現実世界のインタラクティブなアプリケーションでは、潜在的に実用的かつ有用である。

関連論文リスト

• A Physics-embedded Deep Learning Framework for Cloth Simulation [6.8806198396336935]
  本稿では,布地シミュレーションの物理特性を直接エンコードする物理組込み学習フレームワークを提案する。 このフレームワークは、従来のシミュレータやサブニューラルネットワークを通じて、外部の力や衝突処理と統合することもできる。
  論文  参考訳（メタデータ） (2024-03-19T15:21:00Z)
• 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)
• Learning to Transfer In-Hand Manipulations Using a Greedy Shape Curriculum [79.6027464700869]
  本研究では, 動的シミュレーションにおける簡易物体の自然な, 頑健な手動操作が, 高品質なモーションキャプチャの例から学習可能であることを示す。 本稿では,ティーポット,バニー,ボトル,トレイン,ゾウなど,さまざまな対象に適用可能な,単純なグリージーなカリキュラム検索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-14T17:08:19Z)
• SNUG: Self-Supervised Neural Dynamic Garments [14.83072352654608]
  本研究では,パラメトリックな人体が着る衣服の動的3次元変形を自己指導的に学習する手法を提案する。 これにより、動的変形や細かいしわを含むインタラクティブな衣服のモデルを、トレーニング時間に2桁の速度で学習することができる。
  論文  参考訳（メタデータ） (2022-04-05T13:50:21Z)
• Neural-GIF: Neural Generalized Implicit Functions for Animating People in Clothing [49.32522765356914]
  私たちは、身体のポーズの関数として、服装の人々をアニメーションすることを学びます。 我々は、学習された変形場を非剛性効果のモデルに適用した、空間のすべての点を標準空間にマッピングすることを学ぶ。 ニューラルGIFは生の3Dスキャンに基づいてトレーニングし、詳細な複雑な表面形状と変形を再構築することができる。
  論文  参考訳（メタデータ） (2021-08-19T17:25:16Z)
• SCALE: Modeling Clothed Humans with a Surface Codec of Articulated Local Elements [62.652588951757764]
  衣服のモデル化と再構成は、調音性、非剛性変形、衣服の種類や地形の変化などにより困難である。 最近の研究では、ニューラルネットワークを使ってローカルな表面要素をパラメータ化している。 まず、人間の体モデルに基づいて表面要素を変形させます。 第2に,局所的な特徴から局所的な幾何学を回帰させることにより,既存の神経表面要素の制限を解消する。
  論文  参考訳（メタデータ） (2021-04-15T17:59:39Z)
• NiLBS: Neural Inverse Linear Blend Skinning [59.22647012489496]
  本稿では, 従来のスキン加工技術を用いて, ポーズによってパラメータ化されたニューラルネットワークを用いて変形を反転させる手法を提案する。 これらの変形を逆転する能力は、例えば距離関数、符号付き距離関数、占有率)の値を静止ポーズで事前計算し、文字が変形したときに効率的にクエリすることができる。
  論文  参考訳（メタデータ） (2020-04-06T20:46:37Z)

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。