Fugu-MT 論文翻訳(概要): One-shot Compositional 3D Head Avatars with Deformable Hair

論文の概要: One-shot Compositional 3D Head Avatars with Deformable Hair

arxiv url: http://arxiv.org/abs/2604.14782v1
Date: Thu, 16 Apr 2026 08:39:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-17 21:29:31.809302
Title: One-shot Compositional 3D Head Avatars with Deformable Hair
Title（参考訳）: 変形性ヘアを有するワンショット3次元頭部アバター
Authors: Yuan Sun, Xuan Wang, WeiLi Zhang, Wenxuan Zhang, Yu Guo, Fei Wang,
Abstract要約: 単一画像から完全な3次元頭部アバターを構築するための合成法を提案する。本手法では, 顔の毛髪を明示的に切り離し, 異なる変形パラダイムを用いてこれらの成分をモデル化する。画像から3Dへのリフト技術を活用することで,入力画像から可能な限り微細なテクスチャを保存できる。
参考スコア（独自算出の注目度）: 24.96145773116589
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose a compositional method for constructing a complete 3D head avatar from a single image. Prior one-shot holistic approaches frequently fail to produce realistic hair dynamics during animation, largely due to inadequate decoupling of hair from the facial region, resulting in entangled geometry and unnatural deformations. Our method explicitly decouples hair from the face, modeling these components using distinct deformation paradigms while integrating them into a unified rendering pipeline. Furthermore, by leveraging image-to-3D lifting techniques, we preserve fine-grained textures from the input image to the greatest extent possible, effectively mitigating the common issue of high-frequency information loss in generalized models. Specifically, given a frontal portrait image, we first perform hair removal to obtain a bald image. Both the original image and the bald image are then lifted to dense, detail-rich 3D Gaussian Splatting (3DGS) representations. For the bald 3DGS, we rig it to a FLAME mesh via non-rigid registration with a prior model, enabling natural deformation that follows the mesh triangles during animation. For the hair component, we employ semantic label supervision combined with a boundary-aware reassignment strategy to extract a clean and isolated set of hair Gaussians. To control hair deformation, we introduce a cage structure that supports Position-Based Dynamics (PBD) simulation, allowing realistic and physically plausible transformations of the hair Gaussian primitives under head motion, gravity, and inertial effects. Striking qualitative results, including dynamic animations under diverse head motions, gravity effects, and expressions, showcase substantially more realistic hair behavior alongside faithfully preserved facial details, outperforming state-of-the-art one-shot methods in perceptual realism.
Abstract（参考訳）: 単一画像から完全な3次元頭部アバターを構築するための合成法を提案する。以前のワンショットの全体論的なアプローチは、主に顔領域からの毛髪の疎結合が不十分なため、アニメーション中に現実的な毛髪のダイナミックスを作り出すことができず、絡み合った幾何学と不自然な変形をもたらす。本手法は毛髪を顔から明確に切り離し、異なる変形パラダイムを用いてこれらの成分をモデル化し、それらを統一的なレンダリングパイプラインに統合する。さらに,画像から3Dへのリフト技術を活用することで,入力画像から可能な限り微細なテクスチャを保存し,一般化されたモデルにおける高周波情報損失の共通問題を効果的に軽減する。具体的には、正面像が与えられた場合、まず毛髪除去を行い、ハゲ画像を得る。オリジナル画像とハゲ画像の両方が、密度が高く、詳細に富んだ3Dガウススプラッティング(3DGS)表現に持ち上げられる。ハゲ3DGSでは、事前モデルによる非厳密な登録によりFLAMEメッシュにリグし、アニメーション中のメッシュ三角形に追従する自然な変形を可能にする。ヘアコンポーネントにはセマンティックラベル管理と境界認識再割り当て戦略を組み合わせて,クリーンで孤立したヘアガウスの集合を抽出する。毛髪変形を制御するため, 頭部運動, 重力, 慣性効果下での毛髪のガウス的原始体の現実的, 物理的に妥当な変換を可能にする, 位置ベースダイナミクス(PBD)シミュレーションをサポートするケージ構造を導入する。様々な頭の動き、重力効果、表情の下の動的アニメーションを含む質的な結果を解析すると、忠実に保存された顔の詳細とともに、より現実的な髪の挙動を示し、知覚的リアリズムにおける最先端のワンショット法よりも優れています。

関連論文リスト

PhysHead: Simulation-Ready Gaussian Head Avatars [41.929095478168406]
本稿では,現実的なヘアダイナミックスを持つ頭部アバターのハイブリッド表現であるPhysHeadを紹介する。提案手法は,頭部の3次元パラメトリックメッシュとストランドベースヘアを組み合わせることで,物理エンジンで直接シミュレートすることができる。本手法は,表情とカメラ制御に加えて,物理的に可塑性な毛髪の動きを合成できることを示す。
論文参考訳（メタデータ） (2026-04-07T21:09:52Z)
DipGuava: Disentangling Personalized Gaussian Features for 3D Head Avatars from Monocular Video [56.39805581764342]
DipGuavaは、モノクロビデオからパーソナライズされた属性を持つアバターを生成する新しい3Dガウスの頭部アバター作成方法である。顔の外観を2つの相補的な構成要素に明示的に切り離し、構造化された2段階のパイプラインで訓練する最初の方法である。広汎な実験で示されるように、視覚的品質と量的性能の両方において、従来手法よりも一貫して優れていた。
論文参考訳（メタデータ） (2026-03-30T03:50:23Z)
DGH: Dynamic Gaussian Hair [34.04732593280566]
ヘアダイナミックスと外観を効果的に学習する新しいフレームワークであるDynamic Gaussian Hair(DGH)を提案する。 DGHは、物理ベースのシミュレーションとレンダリングに代わるスケーラブルでデータ駆動の代替手段を提供する、有望な幾何学と外観結果を達成する。
論文参考訳（メタデータ） (2025-12-18T21:45:45Z)
Im2Haircut: Single-view Strand-based Hair Reconstruction for Human Avatars [60.99229760565975]
本研究では,グローバルヘアと局所最適化を併用した1枚の写真から3次元毛髪を復元する手法を提案する。我々はこれを利用して1つ以上の画像からヘアスタイルを生成するガウススティングに基づく再構築手法を開発した。
論文参考訳（メタデータ） (2025-09-01T13:38:08Z)
HairCUP: Hair Compositional Universal Prior for 3D Gaussian Avatars [29.819374818200885]
本稿では,3次元頭部アバターの毛髪構成性を示す普遍的事前モデルを提案する。我々のモデル固有の構成性は、アバター間の顔と髪の成分のシームレスな移動を可能にする。
論文参考訳（メタデータ） (2025-07-25T17:59:53Z)
TeGA: Texture Space Gaussian Avatars for High-Resolution Dynamic Head Modeling [52.87836237427514]
フォトリアルアバターは、テレプレゼンス、拡張現実、エンターテイメントにおける新興アプリケーションにおいて重要な要素であると見なされている。本稿では,最先端の3Dヘッドアバターモデルを提案する。
論文参考訳（メタデータ） (2025-05-08T22:10:27Z)
Human Hair Reconstruction with Strand-Aligned 3D Gaussians [39.32397354314153]
従来のヘアストランドと3Dガウスの二重表現を用いた新しいヘアモデリング手法を提案する。ヒトのアバターをモデル化するための非構造ガウス的アプローチとは対照的に,本手法は3Dポリラインや鎖を用いて髪を再構築する。提案手法はGaussian Haircutと呼ばれ, 合成シーンと実シーンで評価し, ストランドベースヘア再構築作業における最先端性能を実証する。
論文参考訳（メタデータ） (2024-09-23T07:49:46Z)
GaussianHeads: End-to-End Learning of Drivable Gaussian Head Avatars from Coarse-to-fine Representations [54.94362657501809]
マルチビュー画像から高ダイナミックで変形可能な人間の頭部アバターをリアルタイムで生成する手法を提案する。本手法のコアとなるのは,顔表情と頭部運動の複雑なダイナミクスを捉えることができる頭部モデルの階層的表現である。我々は、この粗い顔アバターモデルを、エンドツーエンドのフレームワークで学習可能なパラメータとして頭部ポーズとともに訓練する。
論文参考訳（メタデータ） (2024-09-18T13:05:43Z)
HHAvatar: Gaussian Head Avatar with Dynamic Hairs [27.20228210350169]
動的ヘアモデリングを用いた高忠実度頭部アバターの3次元ガウスアン制御が可能なアバターを提案する。提案手法は,2K解像度で超高忠実なレンダリング品質を実現するため,最先端のスパースビュー法よりも優れている。
論文参考訳（メタデータ） (2023-12-05T11:01:44Z)
Generalizable One-shot Neural Head Avatar [90.50492165284724]
本研究では,1枚の画像から3次元頭部アバターを再構成し,アニメイトする手法を提案する。本研究では,一視点画像に基づく識別不能な人物を一般化するだけでなく,顔領域内外における特徴的詳細を捉えるフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-14T22:33:09Z)
MOST-GAN: 3D Morphable StyleGAN for Disentangled Face Image Manipulation [69.35523133292389]
本稿では,顔の物理的属性を明示的にモデル化するフレームワークを提案する。提案手法であるMOST-GANは,GANの表現力と光リアリズムを,非線形3次元形態素モデルの物理的ゆがみおよび柔軟性と統合する。ポートレート画像の物理的特性を完全に3D制御する写真リアルな操作を実現し、照明の極端な操作、表情、およびフルプロファイルビューまでのポーズのバリエーションを可能にする。
論文参考訳（メタデータ） (2021-11-01T15:53:36Z)

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。