論文の概要: CLOTH-HUGS: Cloth Aware Human Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2604.15875v1
• Date: Fri, 17 Apr 2026 09:22:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.859154
• Title: CLOTH-HUGS: Cloth Aware Human Gaussian Splatting
• Title（参考訳）: CLOTH-HUGS:人間のガウススティングを意識した衣服
• Authors: Sadia Mubashshira, Nazanin Amini, Kevin Desai,
• Abstract要約: ここでは、人体と衣服を明示的に切り離した衣服再構築のためのニューラルネットワーク・レンダリング・フレームワークであるClath-HUGSを紹介する。 実験により、クロースHUGSは最先端のベースラインよりも知覚品質と幾何学的忠実性を向上させることが示された。
• 参考スコア（独自算出の注目度）: 4.205692673448206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Cloth-HUGS, a Gaussian Splatting based neural rendering framework for photorealistic clothed human reconstruction that explicitly disentangles body and clothing. Unlike prior methods that absorb clothing into a single body representation and struggle with loose garments and complex deformations, Cloth-HUGS represents the performer using separate Gaussian layers for body and cloth within a shared canonical space. The canonical volume jointly encodes body, cloth, and scene primitives and is deformed through SMPL-driven articulation with learned linear blend skinning weights. To improve cloth realism, we initialize cloth Gaussians from mesh topology and apply physics-inspired constraints, including simulation-consistency, ARAP regularization, and mask supervision. We further introduce a depth-aware multi-pass rendering strategy for robust body-cloth-scene compositing, enabling real-time rendering at over 60 FPS. Experiments on multiple benchmarks show that Cloth-HUGS improves perceptual quality and geometric fidelity over state-of-the-art baselines, reducing LPIPS by up to 28% while producing temporally coherent cloth dynamics.
• Abstract（参考訳）: 本研究は,フォトリアリスティックな衣服の再構築のための,ガウススティングをベースとしたニューラルレンダリングフレームワークであるClath-HUGSについて述べる。 服を1つの身体表現に吸収し、ゆるやかな衣服や複雑な変形に苦しむ従来の方法とは異なり、クロース・HUGSは、共有正準空間内の体と布の別々の層を用いてパフォーマーを表現している。 標準体積は、体、布、シーンプリミティブを結合的に符号化し、学習された線形ブレンドスキンウェイトでSMPL駆動の調音によって変形する。 布のリアリズムを改善するために,メッシュトポロジからガウスアンを初期化し,シミュレーション一貫性,ARAP正規化,マスク監視といった物理に着想を得た制約を適用した。 さらに,60FPS以上のリアルタイムレンダリングを可能にする,堅牢なボディークロースシーン合成のための深度対応マルチパスレンダリング戦略を導入する。 複数のベンチマーク実験により、クロースHUGSは最先端のベースラインよりも知覚品質と幾何学的忠実度を向上し、LPIPSを最大28%削減し、時間的に一貫性のある布のダイナミックスを生成することが示された。

関連論文リスト

• PBDyG: Position Based Dynamic Gaussians for Motion-Aware Clothed Human Avatars [18.101742122988707]
  本稿では,マルチビューRGBビデオから学習可能な,新しいヒューマンモデルを提案する。 本手法は, 物理シミュレーションにより, 動きに依存した布の変形を実現する。 実験により,本手法は外観を正確に再現するだけでなく,高度に変形可能な衣服を装着したアバターの復元も可能であることが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:53:06Z)
• DAGSM: Disentangled Avatar Generation with GS-enhanced Mesh [102.84518904896737]
  DAGSMは、与えられたテキストプロンプトから歪んだ人体と衣服を生成する新しいパイプラインである。 まず着ていない体を作り、次に体に基づいて個々の布を生成します。 実験では、DAGSMは高品質なアンタングルアバターを生成し、衣服の交換とリアルなアニメーションをサポートし、視覚的品質においてベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-11-20T07:00:48Z)
• DressRecon: Freeform 4D Human Reconstruction from Monocular Video [64.61230035671885]
  本稿では,モノクラービデオから時間一貫性のある人体モデルを再構築する手法を提案する。 非常にゆるい衣服やハンドヘルドオブジェクトのインタラクションに重点を置いています。 DressReconは、先行技術よりも忠実度の高い3D再構築を実現している。
  論文  参考訳（メタデータ） (2024-09-30T17:59:15Z)
• PICA: Physics-Integrated Clothed Avatar [30.277983921620663]
  PICAは, 物理学的精度のよい, 高忠実でアニマタブルな人間のアバターを, ゆるやかな衣服でも表現できる新しい表現法である。 提案手法は, 複雑で斬新な運転ポーズにおいて, 人体の高忠実なレンダリングを実現し, 従来手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-07-07T10:23:21Z)
• AniDress: Animatable Loose-Dressed Avatar from Sparse Views Using Garment Rigging Model [58.035758145894846]
  AniDressは、非常にスパースなマルチビュービデオを用いて、ゆるい服装でアニマタブルな人間のアバターを生成する新しい方法である。 身体運動と衣服運動の両方に条件付されたポーズ駆動型変形可能なニューラルラディアンス場を導入し、両方の部品を明示的に制御する。 本手法は,身体から高度に逸脱する自然の衣服のダイナミックスを描画し,目に見えない景色とポーズの両方に一般化することができる。
  論文  参考訳（メタデータ） (2024-01-27T08:48:18Z)
• VINECS: Video-based Neural Character Skinning [82.39776643541383]
  ポーズ依存のスキン重みを持つ完全リップ文字を作成するための完全自動アプローチを提案する。 提案手法は高密度4Dスキャンに頼らず,最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-03T08:35:53Z)

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。