論文の概要: MASS: Mesh-inellipse Aligned Deformable Surfel Splatting for Hand Reconstruction and Rendering from Egocentric Monocular Video

• arxiv url: http://arxiv.org/abs/2604.08943v1
• Date: Fri, 10 Apr 2026 04:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.679953
• Title: MASS: Mesh-inellipse Aligned Deformable Surfel Splatting for Hand Reconstruction and Rendering from Egocentric Monocular Video
• Title（参考訳）: MASS: Egocentric Monocular Video による手指再建・レンダリングのためのメッシュ非楕円形変形性サーフェルスメッティング
• Authors: Haoyu Zhu, Yi Zhang, Lei Yao, Lap-pui Chau, Yi Wang,
• Abstract要約: 高忠実度3Dハンドをエゴセントリックなモノクロビデオから再構築することは、今でも難しい課題だ。 既存の手法は、しばしば高い計算コストを発生させるため、リアルタイムアプリケーションでは実用的ではない。 これらの課題に対処するために,メッシュ・イン楕円アライメント・アライメント・アライメント・デフォルム可能なサーフェルスプラッティングを提案する。
• 参考スコア（独自算出の注目度）: 19.581474149435092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing high-fidelity 3D hands from egocentric monocular videos remains a challenge due to the limitations in capturing high-resolution geometry, hand-object interactions, and complex objects on hands. Additionally, existing methods often incur high computational costs, making them impractical for real-time applications. In this work, we propose Mesh-inellipse Aligned deformable Surfel Splatting (MASS) to address these challenges by leveraging a deformable 2D Gaussian Surfel representation. We introduce the mesh-aligned Steiner Inellipse and fractal densification for mesh-to-surfel conversion that initiates high-resolution 2D Gaussian surfels from coarse parametric hand meshes, providing surface representation with photorealistic rendering potential. Second, we propose Gaussian Surfel Deformation, which enables efficient modeling of hand deformations and personalized features by predicting residual updates to surfel attributes and introducing an opacity mask to refine geometry and texture without adaptive density control. In addition, we propose a two-stage training strategy and a novel binding loss to improve the optimization robustness and reconstruction quality. Extensive experiments on the ARCTIC dataset, the Hand Appearance dataset, and the Interhand2.6M dataset demonstrate that our model achieves superior reconstruction performance compared to state-of-the-art methods.
• Abstract（参考訳）: 高精細度な立体映像から高精細度の3D手を再構築することは、高精細な幾何学、手動物体の相互作用、複雑な物体を手作業で捉えることの限界から、依然として課題である。 さらに、既存の手法は高い計算コストを発生させることが多く、リアルタイムアプリケーションでは実用的ではない。 本研究では, 変形可能な2次元ガウスサーフェル表現を活用することで, これらの課題に対処するために, メッシュ・インセルリップ・アライメント・アライメント・デフォルム・サーフェル・スプレイティング(MASS)を提案する。 我々は、粗いパラメトリックハンドメッシュから高分解能2次元ガウス波を発生させるメッシュ・ツー・サーフェル変換のためのメッシュ整列Steiner Inellipseとフラクタル密度化を導入し、光リアリスティックなレンダリングポテンシャルを持つ表面表現を提供する。 第2に,サーベイル特性の残留更新を予測し,アダプティブ密度制御なしで幾何やテクスチャを洗練するための不透明マスクを導入することにより,手指変形の効率的なモデリングとパーソナライズされた特徴のパーソナライズを可能にするガウスサーフィン変形を提案する。 さらに,2段階のトレーニング戦略と新たなバインディング損失を提案し,最適化の堅牢性と再現性を向上させる。 ARCTICデータセット、Hand Outearanceデータセット、Interhand2.6Mデータセットに関する大規模な実験により、我々のモデルは最先端の手法よりも優れた再構築性能が得られることを示した。

関連論文リスト

• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• 3D Gaussian Flats: Hybrid 2D/3D Photometric Scene Reconstruction [62.84879632157956]
  本研究では,平面平面(2D)ガウスと自由形式(3D)ガウスを連立最適化するハイブリッド2D/3D表現を提案する。 我々のエンドツーエンドアプローチは、平面領域を動的に検出・洗練し、視覚的忠実度と幾何学的精度の両方を改善する。 ScanNet++とScanNetv2の最先端の深さ推定を実現し、特定のカメラモデルに過度に適合することなくメッシュ抽出に優れる。
  論文  参考訳（メタデータ） (2025-09-19T21:04:36Z)
• FMGS-Avatar: Mesh-Guided 2D Gaussian Splatting with Foundation Model Priors for 3D Monocular Avatar Reconstruction [18.570290675633732]
  2Dプリミティブをテンプレートメッシュ面に直接アタッチして位置、回転、動きを制限したメッシュガイド2Dガウススプラッティングを導入する。 Sapiensのような大規模データセットでトレーニングされた基礎モデルを活用して、モノクロビデオからの限られた視覚的手がかりを補完します。 実験により, 従来の手法に比べて再現性は優れており, 幾何的精度と外観忠実度は顕著に向上した。
  論文  参考訳（メタデータ） (2025-09-18T08:41:41Z)
• A Controllable 3D Deepfake Generation Framework with Gaussian Splatting [6.969908558294805]
  本稿では,3次元ガウススプラッティングに基づく新しい3次元ディープフェイク生成フレームワークを提案する。 完全に制御可能な3D空間において、現実的でアイデンティティを保った顔スワッピングと再現を可能にする。 提案手法は3次元モデリングとディープフェイク合成のギャップを埋め、シーン認識、制御可能、没入型視覚的偽造の新しい方向を可能にする。
  論文  参考訳（メタデータ） (2025-09-15T06:34:17Z)
• SparseFlex: High-Resolution and Arbitrary-Topology 3D Shape Modeling [79.56581753856452]
  SparseFlexは、新しいスパース構造のアイソサーフェス表現で、レンダリング損失から最大10243ドルの解像度で、差別化可能なメッシュ再構築を可能にする。 SparseFlexは、高解像度で差別化可能なメッシュ再構成とレンダリングロスによる生成を可能にすることで、3D形状の表現とモデリングの最先端性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-03-27T17:46:42Z)
• 3D Gaussian Splatting with Normal Information for Mesh Extraction and Improved Rendering [8.59572577251833]
  ガウス関数から推定される符号距離関数の勾配を用いた新しい正規化法を提案する。 我々は、Mip-NeRF360、Tamps and Temples、Deep-Blendingなどのデータセットに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-01-14T18:40:33Z)

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。