論文の概要: Autoregressive Appearance Prediction for 3D Gaussian Avatars
- arxiv url: http://arxiv.org/abs/2604.00928v1
- Date: Wed, 01 Apr 2026 14:07:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:32.026284
- Title: Autoregressive Appearance Prediction for 3D Gaussian Avatars
- Title（参考訳）: 3次元ガウスアバターの自己回帰出現予測
- Authors: Michael Steiner, Zhang Chen, Alexander Richard, Vasu Agrawal, Markus Steinberger, Michael Zollhöfer,
- Abstract要約: ポーズと出現遅延の両方に空間的バックボーンを条件とした3次元スプレイティングアバターモデルを提案する。
潜伏者はエンコーダによって訓練中に学習され、再構成品質を向上させるコンパクトな表現が得られる。
本手法は高忠実で安定したアバター駆動を実現するための堅牢で実用的な経路を提供する。
- 参考スコア（独自算出の注目度）: 67.37159422872219
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A photorealistic and immersive human avatar experience demands capturing fine, person-specific details such as cloth and hair dynamics, subtle facial expressions, and characteristic motion patterns. Achieving this requires large, high-quality datasets, which often introduce ambiguities and spurious correlations when very similar poses correspond to different appearances. Models that fit these details during training can overfit and produce unstable, abrupt appearance changes for novel poses. We propose a 3D Gaussian Splatting avatar model with a spatial MLP backbone that is conditioned on both pose and an appearance latent. The latent is learned during training by an encoder, yielding a compact representation that improves reconstruction quality and helps disambiguate pose-driven renderings. At driving time, our predictor autoregressively infers the latent, producing temporally smooth appearance evolution and improved stability. Overall, our method delivers a robust and practical path to high-fidelity, stable avatar driving.
- Abstract（参考訳）: フォトリアリスティックで没入的な人間のアバター体験は、布や毛髪のダイナミックス、微妙な表情、特徴的な動きパターンなど、細かい人特有の細部を捉えることを要求する。
これを実現するには、大きな高品質なデータセットが必要であり、非常に類似したポーズが異なる外観に対応する場合、曖昧さと刺激的な相関がしばしば導入される。
トレーニング中にこれらの詳細に適合するモデルは、新しいポーズに対して不安定で急激な外観変化をもたらす可能性がある。
本研究では,空間的MLPバックボーンを有する3次元ガウススティングアバターモデルを提案する。
潜伏者はエンコーダによって訓練中に学習され、コンパクトな表現が得られ、復元品質が向上し、ポーズ駆動レンダリングの曖昧さを助長する。
運転時, 予測器は潜伏剤を自己回帰的に推算し, 時間的に滑らかな外観変化を生じ, 安定性を向上する。
全体として,本手法は高忠実で安定したアバター駆動を実現するための堅牢で実用的な経路を提供する。
関連論文リスト
- Relightable and Dynamic Gaussian Avatar Reconstruction from Monocular Video [42.36677003378551]
Relightable and Dynamic Gaussian Avatar (RnD-Avatar) と呼ばれる3DGSに基づくヒューマンアバターモデリングフレームワークを提案する。
本フレームワークは,任意の照明条件下でのフォトリアリスティック照明効果をサポートしながら,新しいポーズやビューのリアルなレンダリングを可能にする。
論文 参考訳（メタデータ） (2025-12-10T05:51:59Z) - RealityAvatar: Towards Realistic Loose Clothing Modeling in Animatable 3D Gaussian Avatars [4.332718737928592]
本研究では,高忠実度デジタルヒューマンモデリングのための効率的なフレームワークであるRealAvatarを提案する。
動作トレンドモジュールと潜在骨エンコーダを組み込むことで,ポーズ依存的な変形と衣服行動の時間的変動をモデル化する。
特に非剛性領域における動的ヒト再建における構造的忠実度と知覚的品質を著しく向上させる。
論文 参考訳（メタデータ） (2025-04-02T09:59:12Z) - 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) - Within the Dynamic Context: Inertia-aware 3D Human Modeling with Pose Sequence [47.16903508897047]
本研究では、現在のフレームのポーズ状態だけでなく、過去のポーズ状態にも人間の外観の変化が依存していることを明らかにする。
非剛性変形に対するデルタポーズシーケンス表現を利用した新しい手法であるDycoを導入する。
さらに, 慣性を考慮した3次元人間の手法は, 異なる速度での慣性による外観変化を前例なくシミュレートすることができる。
論文 参考訳（メタデータ） (2024-03-28T06:05:14Z) - 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) - Drivable Volumetric Avatars using Texel-Aligned Features [52.89305658071045]
光テレプレゼンスは、動的に合成された外観を実現するために、高忠実度ボディモデリングと忠実な運転の両方を必要とする。
本稿では,現実人のフルボディアバターをモデリングし,駆動する際の2つの課題に対処するエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-20T09:28:16Z)
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。