論文の概要: UNICA: A Unified Neural Framework for Controllable 3D Avatars

• arxiv url: http://arxiv.org/abs/2604.02799v1
• Date: Fri, 03 Apr 2026 07:09:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.36798
• Title: UNICA: A Unified Neural Framework for Controllable 3D Avatars
• Title（参考訳）: UNICA: 制御可能な3Dアバターのための統一ニューラルネットワークフレームワーク
• Authors: Jiahe Zhu, Xinyao Wang, Yiyu Zhuang, Yanwen Wang, Jing Tian, Yao Yao, Hao Zhu,
• Abstract要約: UNICA(UNIfied Neural Controllable Avatar)は、全てのアバター制御コンポーネントを単一のニューラルネットワークフレームワークに統合する骨格のない生成モデルである。 提案手法は,手動で設計した物理シミュレーションを使わずに,髪と衣服のダイナミックスを自然に捉える。
• 参考スコア（独自算出の注目度）: 14.243189295411801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Controllable 3D human avatars have found widespread applications in 3D games, the metaverse, and AR/VR scenarios. The conventional approach to creating such a 3D avatar requires a lengthy, intricate pipeline encompassing appearance modeling, motion planning, rigging, and physical simulation. In this paper, we introduce UNICA (UNIfied neural Controllable Avatar), a skeleton-free generative model that unifies all avatar control components into a single neural framework. Given keyboard inputs akin to video game controls, UNICA generates the next frame of a 3D avatar's geometry through an action-conditioned diffusion model operating on 2D position maps. A point transformer then maps the resulting geometry to 3D Gaussian Splatting for high-fidelity free-view rendering. Our approach naturally captures hair and loose clothing dynamics without manually designed physical simulation, and supports extra-long autoregressive generation. To the best of our knowledge, UNICA is the first model to unify the workflow of "motion planning, rigging, physical simulation, and rendering". Code is released at https://github.com/zjh21/UNICA.
• Abstract（参考訳）: 制御可能な3D人間のアバターは、3Dゲーム、メタバース、AR/VRシナリオに広く応用されている。 このような3Dアバターを作るには、外観モデリング、モーションプランニング、リギング、物理シミュレーションを含む、長い複雑なパイプラインが必要である。 本稿では,全てのアバター制御コンポーネントをひとつのニューラルネットワークフレームワークに統合する骨格のない生成モデルUNICA(UNIfied Neural Controllable Avatar)を紹介する。 ゲーム制御に類似したキーボード入力が与えられた場合、UNICAは2次元位置マップで動作するアクション条件拡散モデルを用いて3次元アバター幾何学の次のフレームを生成する。 点変換器は結果の幾何を高忠実度自由視点レンダリングのために3Dガウススプラッティングにマッピングする。 提案手法は,手動で設計した物理シミュレーションを使わずに,髪や衣服のゆるい動態を自然に捉え,超長期の自己回帰生成をサポートする。 私たちの知る限りでは、UNICAは“モーションプランニング、リギング、物理シミュレーション、レンダリング”のワークフローを統合する最初のモデルです。 コードはhttps://github.com/zjh21/UNICAで公開されている。

関連論文リスト

• Generalizable and Animatable 3D Full-Head Gaussian Avatar from a Single Image [9.505520774467263]
  単一の画像から3Dアニマタブルな頭部アバターを構築することは重要な問題ですが、難しい問題です。 既存の方法は通常、大きなカメラポーズのバリエーションの下で崩壊し、3Dアバターのリアリズムを損なう。 本研究では,1回のフィードフォワードパスで1発の3Dフルヘッドアニマタブルアバター再構成を実現するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-19T06:56:58Z)
• MoGA: 3D Generative Avatar Prior for Monocular Gaussian Avatar Reconstruction [65.5412504339528]
  MoGAは高忠実度3Dガウスアバターを単一視点画像から再構成する新しい手法である。 提案手法は最先端の手法を超越し,実世界のシナリオを一般化する。
  論文  参考訳（メタデータ） (2025-07-31T14:36:24Z)
• 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)
• SimAvatar: Simulation-Ready Avatars with Layered Hair and Clothing [59.44721317364197]
  テキストプロンプトからシミュレーション可能な3次元アバターを生成するためのフレームワークであるSimAvatarを紹介する。 提案手法は, 現実的で, 完全にシミュレーション可能な3Dアバターを製作し, 現行のアプローチの能力を上回った最初の手法である。
  論文  参考訳（メタデータ） (2024-12-12T18:35:26Z)
• AvatarGen: A 3D Generative Model for Animatable Human Avatars [108.11137221845352]
  アバタージェネレーション(AvatarGen)は、様々な外観と制御可能なジオメトリーを持つ3D認識された人間の無監督世代である。 提案手法は, 高品質な外観と幾何学的モデリングにより, アニマタブルな3次元アバターを生成することができる。 シングルビュー再構成、再アニメーション、テキスト誘導合成/編集など、多くのアプリケーションに向いている。
  論文  参考訳（メタデータ） (2022-11-26T15:15:45Z)
• AvatarGen: a 3D Generative Model for Animatable Human Avatars [108.11137221845352]
  アバタージェネレーション(AvatarGen)は、多様な外観を持つ非剛体世代だけでなく、ポーズや視点の完全な制御を可能にする最初の方法である。 非剛性力学をモデル化するために、正準空間におけるポーズ依存的な変形を学習するための変形ネットワークを導入する。 提案手法は,高品質な外観と幾何モデルを備えたアニマタブルな人体アバターを生成でき,従来の3D GANよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-08-01T01:27:02Z)

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。