論文の概要: ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes

• arxiv url: http://arxiv.org/abs/2604.17623v2
• Date: Wed, 22 Apr 2026 21:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.008471
• Title: ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes
• Title（参考訳）: ViPS: 自動リグされたメッシュのためのビデオインフォームされたPoseスペース
• Authors: Honglin Chen, Karran Pandey, Rundi Wu, Matheus Gadelha, Yannick Hold-Geoffroy, Ayush Tewari, Niloy J. Mitra, Changxi Zheng, Paul Guerrero,
• Abstract要約: Video-informed Pose Spaces (ViPS)は、自動リップメッシュのための有効な調律の潜時分布を検出するフィードフォワードフレームワークである。 ViPSは生成ビデオの先行値を所定のリグパラメータ化上の普遍分布に転送する。 評価の結果,VPSは,合成アーティストが作成した4Dデータに基づいて訓練した最先端の手法の性能と,妥当性と多様性の両面で一致していることがわかった。
• 参考スコア（独自算出の注目度）: 55.32681167870698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Kinematic rigs provide a structured interface for articulating 3D meshes, but they lack an inherent representation of the plausible manifold of joint configurations for a given asset. Without such a pose space, stochastic sampling or manual manipulation of raw rig parameters often leads to semantic or geometric violations, such as anatomical hyperextension and non-physical self-intersections. We propose Video-informed Pose Spaces (ViPS), a feed-forward framework that discovers the latent distribution of valid articulations for auto-rigged meshes by distilling motion priors from a pretrained video diffusion model. Unlike existing methods that rely on scarce artist-authored 4D datasets, ViPS transfers generative video priors into a universal distribution over a given rig parameterization. Differentiable geometric validators applied to the skinned mesh enforce asset-specific validity without requiring manual regularizers. Our model learns a smooth, compact, and controllable pose space that supports diverse sampling, manifold projection for inverse kinematics, and temporally coherent trajectories for keyframing. Furthermore, the distilled 3D pose samples serve as precise semantic proxies for guiding video diffusion, effectively closing the loop between generative 2D priors and structured 3D kinematic control. Our evaluations show that ViPS, trained solely on video priors, matches the performance of state-of-the-art methods trained on synthetic artist-created 4D data in both plausibility and diversity. Most importantly, as a universal model, ViPS demonstrates robust zero-shot generalization to out-of-distribution species and unseen skeletal topologies.
• Abstract（参考訳）: キネマティック・リグ (Kinematic rigs) は、3次元メッシュを記述するための構造化されたインタフェースを提供するが、与えられた資産に対する関節構成の可塑性多様体の固有の表現は欠如している。 このようなポーズ空間がなければ、生のリグパラメータの確率的なサンプリングや手動操作は、しばしば解剖学的過拡張や非物理的自己切断のような意味的または幾何学的な違反を引き起こす。 本稿では,予め訓練されたビデオ拡散モデルから先行動作を蒸留することにより,自動結束メッシュに対する有効な調律の潜時分布を検出するためのフィードフォワードフレームワークであるビデオインフォームド・ポーズ・スペース(ViPS)を提案する。 アーティストが認可する少ない4Dデータセットに依存する既存の方法とは異なり、VPSは生成ビデオの先行データを所定のリグパラメータ化上の普遍的な分布に転送する。 スキン付きメッシュに適用された微分幾何学的検証器は、手動正規化器を必要とせず、アセット固有の妥当性を強制する。 我々のモデルは、多様なサンプリング、逆運動学のための多様体射影、キーフレーミングのための時間的コヒーレントな軌跡をサポートする滑らかでコンパクトで制御可能なポーズ空間を学習する。 さらに、この蒸留された3Dポーズサンプルは、ビデオ拡散を導くための正確なセマンティックプロキシとして機能し、生成2D前駆体と構造化3Dキネマティック制御の間のループを効果的に閉じる。 以上の結果から,VIPSは,合成アーティストが作成した4Dデータに基づいてトレーニングした最先端の手法の性能と,その妥当性と多様性の両面で一致していることが示唆された。 最も重要なことは、普遍的なモデルとして、ViPSは分布外種や目に見えない骨格トポロジーへの堅牢なゼロショットの一般化を示すことである。

関連論文リスト

• Towards Realistic and Consistent Orbital Video Generation via 3D Foundation Priors [61.34273238077091]
  本稿では,物体の単一画像からオービタルビデオを生成する新しい手法を提案する。 本手法は,最先端の手法と比較して,視覚的品質,形状リアリズム,多視点整合性を実現している。
  論文  参考訳（メタデータ） (2026-04-14T05:35:46Z)
• Generation Models Know Space: Unleashing Implicit 3D Priors for Scene Understanding [50.098085774845195]
  本稿では,大規模生成モデルにおいて暗黙の空間的先行性を活用することで,パラダイムシフトを提案する。 GeneEGA-3D (Video Extracted Generative Awareness) は,事前学習した映像拡散モデルを潜在世界シミュレータとして再利用するプラグイン・アンド・プレイ・フレームワークである。
  論文  参考訳（メタデータ） (2026-03-19T17:59:58Z)
• Controllable Egocentric Video Generation via Occlusion-Aware Sparse 3D Hand Joints [87.13154261503168]
  モーションコントロール可能なビデオ生成は、仮想現実と組み込みAIにおけるエゴセントリックなアプリケーションに不可欠である。 既存の手法は、しばしば3D一貫性のきめ細かい手話を実現するのに苦労する。 単一の参照フレームからエゴセントリックなビデオを生成する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-12T10:02:23Z)
• Particulate: Feed-Forward 3D Object Articulation [89.78788418174946]
  Particulateは、毎日のオブジェクトの1つの静的3Dメッシュが与えられたフィードフォワードアプローチであり、基盤となる関節構造のすべての属性を直接推論する。 私たちは、公開データセットから多種多様な3Dアセットの集合に基づいて、ネットワークのエンドツーエンドをトレーニングします。 推論中、Particulateはネットワークのフィードフォワード予測を入力メッシュに持ち上げ、完全に調音された3Dモデルを数秒で生成する。
  論文  参考訳（メタデータ） (2025-12-12T18:59:51Z)
• Controllable Human-centric Keyframe Interpolation with Generative Prior [55.16558476905587]
  本稿では,PoseFuse3D Keyframe Interpolator(PoseFuse3D-KI)を紹介する。 我々は,PoseFuse3D-KIがCHKI-Videoの最先端のベースラインを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-06-03T17:50:05Z)
• Champ: Controllable and Consistent Human Image Animation with 3D Parametric Guidance [25.346255905155424]
  本稿では,潜伏拡散フレームワーク内での3次元人間のパラメトリックモデルを活用することで,人間の画像アニメーションの方法論を提案する。 人間の3次元パラメトリックモデルを動作誘導として表現することにより、基準画像と音源映像の動きの間に人体のパラメトリック形状アライメントを行うことができる。 提案手法は,提案した組込みデータセットに対して,より優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-03-21T18:52:58Z)

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。