論文の概要: Large-scale Codec Avatars: The Unreasonable Effectiveness of Large-scale Avatar Pretraining

• arxiv url: http://arxiv.org/abs/2604.02320v1
• Date: Thu, 02 Apr 2026 17:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.987646
• Title: Large-scale Codec Avatars: The Unreasonable Effectiveness of Large-scale Avatar Pretraining
• Title（参考訳）: 大規模コーデックアバター:大規模アバター事前訓練における不合理な効果
• Authors: Junxuan Li, Rawal Khirodkar, Chengan He, Zhongshi Jiang, Giljoo Nam, Lingchen Yang, Jihyun Lee, Egor Zakharov, Zhaoen Su, Rinat Abdrashitov, Yuan Dong, Julieta Martinez, Kai Li, Qingyang Tan, Takaaki Shiratori, Matthew Hu, Peihong Guo, Xuhua Huang, Ariyan Zarei, Marco Pesavento, Yichen Xu, He Wen, Teng Deng, Wyatt Borsos, Anjali Thakrar, Jean-Charles Bazin, Carsten Stoll, Ginés Hidalgo, James Booth, Lucy Wang, Xiaowen Ma, Yu Rong, Sairanjith Thalanki, Chen Cao, Christian Häne, Abhishek Kar, Sofien Bouaziz, Jason Saragih, Yaser Sheikh, Shunsuke Saito,
• Abstract要約: 大規模コーデックアバター(英: Large-scale Codec Avatars、LCA)は、世界規模の人口をフィードフォワード方式で一般化する高忠実でフルボディの3Dアバターモデルである。 LCAは、髪型、衣服、人口動態を一般化し、精密できめ細かい表情と指レベルの調音制御を提供する。
• 参考スコア（独自算出の注目度）: 62.501929209687056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality 3D avatar modeling faces a critical trade-off between fidelity and generalization. On the one hand, multi-view studio data enables high-fidelity modeling of humans with precise control over expressions and poses, but it struggles to generalize to real-world data due to limited scale and the domain gap between the studio environment and the real world. On the other hand, recent large-scale avatar models trained on millions of in-the-wild samples show promise for generalization across a wide range of identities, yet the resulting avatars are often of low-quality due to inherent 3D ambiguities. To address this, we present Large-Scale Codec Avatars (LCA), a high-fidelity, full-body 3D avatar model that generalizes to world-scale populations in a feedforward manner, enabling efficient inference. Inspired by the success of large language models and vision foundation models, we present, for the first time, a pre/post-training paradigm for 3D avatar modeling at scale: we pretrain on 1M in-the-wild videos to learn broad priors over appearance and geometry, then post-train on high-quality curated data to enhance expressivity and fidelity. LCA generalizes across hair styles, clothing, and demographics while providing precise, fine-grained facial expressions and finger-level articulation control, with strong identity preservation. Notably, we observe emergent generalization to relightability and loose garment support to unconstrained inputs, and zero-shot robustness to stylized imagery, despite the absence of direct supervision.
• Abstract（参考訳）: 高品質な3Dアバターモデリングは、忠実性と一般化の間の重要なトレードオフに直面している。 一方、マルチビュースタジオデータは、表現やポーズを正確に制御した人間の高忠実度モデリングを可能にするが、限られた規模とスタジオ環境と現実世界とのドメインギャップのため、現実のデータへの一般化に苦慮している。 一方、近年の大規模アバターモデルでは、数百万の現場サンプルで訓練された場合、広範囲のアイデンティティにわたる一般化が期待できるが、結果として得られるアバターは、固有の3D曖昧さのため、しばしば低品質である。 そこで我々は,高忠実でフルボディの3DアバターモデルであるLarge-Scale Codec Avatars (LCA)を提案する。 大規模言語モデルと視覚基盤モデルの成功に触発されて,我々は初めて,3次元アバターモデリングのための事前訓練パラダイムを提示する。 LCAは、髪型、衣服、人口動態を一般化し、正確できめ細かな表情と指レベルの調音制御を提供し、強いアイデンティティを保っている。 特に, 直接監督がないにもかかわらず, 即時的な一般化, 照らしやすさ, ゆるやかな衣服サポート, スタイル化画像に対するゼロショットロバスト性を観察した。

関連論文リスト

• Autoregressive Appearance Prediction for 3D Gaussian Avatars [67.37159422872219]
  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。
  論文  参考訳（メタデータ） (2026-04-01T14:07:14Z)
• 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)
• Multimodal Generation of Animatable 3D Human Models with AvatarForge [67.31920821192323]
  AvatarForgeはAI駆動の手続き生成を使用してテキストや画像入力からアニマタブルな3Dアバターを生成するフレームワークである。 評価の結果、AvatarForgeはテキストと画像とアバターの生成において最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-03-11T08:29:18Z)
• XAGen: 3D Expressive Human Avatars Generation [76.69560679209171]
  XAGenは人体、顔、手を表現的に制御できる人間のアバターのための最初の3D生成モデルである。 身体, 顔, 手の合成を両立させる多部レンダリング手法を提案する。 実験によると、XAGenは現実主義、多様性、表現力のある制御能力の点で最先端の手法を超越している。
  論文  参考訳（メタデータ） (2023-11-22T18:30:42Z)
• Text-Conditional Contextualized Avatars For Zero-Shot Personalization [47.85747039373798]
  本研究では,アバターによる画像生成のパーソナライズを可能にするパイプラインを提案する。 私たちのパイプラインはゼロショット、アバターテクスチャ、スタイル非依存で、アバターのトレーニングは一切必要ありません。 大規模な画像データセットを利用して人間の3Dポーズパラメータを学習する方法を初めて示す。
  論文  参考訳（メタデータ） (2023-04-14T22:00:44Z)
• DreamAvatar: Text-and-Shape Guided 3D Human Avatar Generation via Diffusion Models [55.71306021041785]
  高品質な3Dアバターを作成するためのテキスト・アンド・シェイプ・ガイドフレームワークであるDreamAvatarについて紹介する。 SMPLモデルを利用して、生成のための形状とポーズのガイダンスを提供する。 また、全体とズームインした3Dヘッドから計算した損失を共同で最適化し、一般的なマルチフェイス「Janus」問題を緩和する。
  論文  参考訳（メタデータ） (2023-04-03T12:11:51Z)

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。