論文の概要: AvatarPointillist: AutoRegressive 4D Gaussian Avatarization

• arxiv url: http://arxiv.org/abs/2604.04787v1
• Date: Mon, 06 Apr 2026 15:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.263313
• Title: AvatarPointillist: AutoRegressive 4D Gaussian Avatarization
• Title（参考訳）: AvatarPointillist: 自動回帰4Dガウスアバター化
• Authors: Hongyu Liu, Xuan Wang, Yating Wang, Zijian Wu, Ziyu Wan, Yue Ma, Runtao Liu, Boyao Zhou, Yujun Shen, Qifeng Chen,
• Abstract要約: AvatarPointillistは、単一のポートレートイメージから動的4Dガウスアバターを生成するためのフレームワークである。 提案手法のコアとなるのはデコーダのみの変換器で,3次元ガウス分割のための点雲を自己回帰的に生成する。 ポイント生成中、ARモデルはポイント単位のバインディング情報を共同で予測し、現実的なアニメーションを可能にする。
• 参考スコア（独自算出の注目度）: 90.04660868714838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce AvatarPointillist, a novel framework for generating dynamic 4D Gaussian avatars from a single portrait image. At the core of our method is a decoder-only Transformer that autoregressively generates a point cloud for 3D Gaussian Splatting. This sequential approach allows for precise, adaptive construction, dynamically adjusting point density and the total number of points based on the subject's complexity. During point generation, the AR model also jointly predicts per-point binding information, enabling realistic animation. After generation, a dedicated Gaussian decoder converts the points into complete, renderable Gaussian attributes. We demonstrate that conditioning the decoder on the latent features from the AR generator enables effective interaction between stages and markedly improves fidelity. Extensive experiments validate that AvatarPointillist produces high-quality, photorealistic, and controllable avatars. We believe this autoregressive formulation represents a new paradigm for avatar generation, and we will release our code inspire future research.
• Abstract（参考訳）: AvatarPointillistは、1枚のポートレート画像から動的4Dガウスアバターを生成するための新しいフレームワークである。 提案手法のコアとなるのはデコーダのみの変換器で,3次元ガウス分割のための点雲を自己回帰的に生成する。 このシーケンシャルなアプローチは、正確な適応的な構成を可能にし、対象の複雑さに基づいた点密度と点の総数を動的に調整する。 ポイント生成中、ARモデルはポイント単位のバインディング情報を共同で予測し、現実的なアニメーションを可能にする。 生成後、専用ガウスデコーダが点を完全かつレンダリング可能なガウス属性に変換する。 本研究では,ARジェネレータからの遅延特徴に対するデコーダの条件付けにより,ステージ間の効果的な相互作用が可能となり,忠実度が著しく向上することが実証された。 大規模な実験により、アバターポジリストは高品質で、フォトリアリスティックで、制御可能なアバターを生成することが証明された。 我々は、この自己回帰的定式化がアバター生成の新しいパラダイムであり、将来の研究を刺激するコードをリリースすると考えています。

関連論文リスト

• SmartAvatar: Text- and Image-Guided Human Avatar Generation with VLM AI Agents [91.26239311240873]
  SmartAvatarは視覚言語によるアニメーション対応の3Dアバターを生成するためのフレームワークである。 重要なイノベーションは、エージェントがドラフトアバターを描画する自動検証ループである。 生成されたアバターは完全にリグされ、一貫したアイデンティティと外観で操作をサポートする。
  論文  参考訳（メタデータ） (2025-06-05T03:49:01Z)
• Generalizable and Animatable Gaussian Head Avatar [50.34788590904843]
  本稿では,GAGAvatar(Generalizable and Animatable Gaussian Head Avatar)を提案する。 我々は、1つの前方通過で1つの画像から3次元ガウスのパラメータを生成する。 提案手法は, 従来の手法と比較して, 再現性や表現精度の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-10T14:29:00Z)
• NPGA: Neural Parametric Gaussian Avatars [46.52887358194364]
  マルチビュー映像記録から高忠実度制御可能なアバターを作成するためのデータ駆動方式を提案する。 我々は,高効率なレンダリングのための3次元ガウススプラッティングの手法を構築し,点雲のトポロジカルな柔軟性を継承する。 提案手法をNeRSembleデータセット上で評価し,NPGAが従来の自己再現タスクの2.6PSNRよりも有意に優れていたことを示す。
  論文  参考訳（メタデータ） (2024-05-29T17:58:09Z)
• Deformable 3D Gaussian Splatting for Animatable Human Avatars [50.61374254699761]
  本稿では,デジタルアバターを単一単分子配列で構築する手法を提案する。 ParDy-Humanは、リアルなダイナミックな人間のアバターの明示的なモデルを構成する。 当社のアバター学習には,Splatマスクなどの追加アノテーションが不要であり,ユーザのハードウェア上でも,フル解像度の画像を効率的に推測しながら,さまざまなバックグラウンドでトレーニングすることが可能である。
  論文  参考訳（メタデータ） (2023-12-22T20:56:46Z)
• GAvatar: Animatable 3D Gaussian Avatars with Implicit Mesh Learning [60.33970027554299]
  ガウススプラッティングは、明示的(メッシュ)と暗黙的(NeRF)の両方の3D表現の利点を利用する強力な3D表現として登場した。 本稿では,ガウススプラッティングを利用してテキスト記述から現実的なアニマタブルなアバターを生成する。 提案手法であるGAvatarは,テキストプロンプトのみを用いて,多様なアニマタブルアバターを大規模に生成する。
  論文  参考訳（メタデータ） (2023-12-18T18:59:12Z)
• GaussianAvatars: Photorealistic Head Avatars with Rigged 3D Gaussians [41.378083782290545]
  本稿では,表現,ポーズ,視点の面で完全に制御可能な光現実的頭部アバターを作成するための新しい手法を提案する。 中心となる考え方は、3次元ガウスのスプレートをパラメトリックな形態素面モデルに組み込んだ動的3次元表現である。 我々は、いくつかの挑戦的なシナリオにおいて、フォトリアリスティックアバターのアニメーション能力を実演する。
  論文  参考訳（メタデータ） (2023-12-04T17:28:35Z)

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。