論文の概要: FaceParts: Segmentation and Editing of Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2605.13853v1
• Date: Wed, 25 Mar 2026 21:34:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.806314
• Title: FaceParts: Segmentation and Editing of Gaussian Splatting
• Title（参考訳）: FaceParts: Gaussian Splatting のセグメンテーションと編集
• Authors: Tymoteusz Zapała, Julia Farganus, Dominik Galus, Mikołaj Czachorowski, Piotr Syga, Przemysław Spurek,
• Abstract要約: ガウススティングアバターの教師なしセグメンテーションと編集のためのフレームワークであるFacePartsを提案する。 既存の2D法やメッシュ支援法とは異なり,本手法はガウス領域で直接動作し,アバターを意味的に一貫性のある顔部品に分解する。 この手法は、特徴のゆがみ、密度ベースのクラスタリング、FLAMEアンカレートされた部分転送を統合し、正確な編集とクロスアバター部分スワップを可能にする。
• 参考スコア（独自算出の注目度）: 1.5616295667706617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial editing is an important task with applications in entertainment, virtual reality, and digital avatars. Most existing approaches rely on generative models in the 2D image domain, while in 3D the task is typically performed through labor-intensive manual editing. We propose FaceParts, a framework for unsupervised segmentation and editing of Gaussian Splatting avatars. Unlike existing 2D or mesh-assisted methods, our approach operates directly in the Gaussian domain, decomposing avatars into semantically coherent facial parts without supervision. The method integrates feature disentanglement, density-based clustering, and FLAME-anchored part transfer, enabling precise editing and cross-avatar part swapping. Experiments on the NeRSemble dataset with 11 subjects demonstrate robust isolation of features such as beards, eyebrows, eyes and mustaches. Quantitative evaluation confirms that transferred segments adapt to pose and expression, while maintaining identity consistency (ID = 0.943), low Average Expression Distance (AED = 0.021) and low Average Pose Distance (APD = 0.004).
• Abstract（参考訳）: 顔の編集はエンターテイメント、バーチャルリアリティー、デジタルアバターの応用において重要なタスクである。 既存のほとんどのアプローチは、2D画像領域における生成モデルに依存し、一方3Dでは、作業は労働集約的な手作業による編集によって行われる。 ガウススティングアバターの教師なしセグメンテーションと編集のためのフレームワークであるFacePartsを提案する。 既存の2D法やメッシュ支援法とは異なり,本手法はガウス領域で直接動作し,アバターを意味的に一貫性のある顔部品に分解する。 この手法は、特徴のゆがみ、密度ベースのクラスタリング、FLAMEアンカレートされた部分転送を統合し、正確な編集とクロスアバター部分スワップを可能にする。 11人の被験者によるNeRSembleデータセットの実験では、ひげ、まぶた、目、口ひげといった特徴の堅牢な分離が示されている。 平均表現距離 (AED = 0.021) と平均表現距離 (APD = 0.004) を維持しながら, 移動セグメントがポーズや表現に適応することを確認する定量的評価を行った。

関連論文リスト

• ImHead: A Large-scale Implicit Morphable Model for Localized Head Modeling [71.3859346921118]
  imHeadは、表現力のある3Dヘッドアバターだけでなく、顔の特徴の局所的な編集を容易にする新しい3DMMである。 imHeadをトレーニングするために、4Kの異なるアイデンティティの大規模なデータセットをキュレートする。
  論文  参考訳（メタデータ） (2025-10-12T20:17:34Z)
• PERSE: Personalized 3D Generative Avatars from A Single Portrait [18.069177711777662]
  PERSEは、参照ポートレートからパーソナライズされた3D生成アバターを構築する方法である。 提案手法は,大規模な合成2Dビデオデータセットから始まる。
  論文  参考訳（メタデータ） (2024-12-30T18:59:58Z)
• FreeAvatar: Robust 3D Facial Animation Transfer by Learning an Expression Foundation Model [45.0201701977516]
  ビデオ駆動の3D顔アニメーション転送は、アクターの表情を再現するためにアバターを駆動することを目的としている。 我々は,学習した表現のみに依存する,堅牢な顔アニメーショントランスファー手法であるFreeAvatarを提案する。
  論文  参考訳（メタデータ） (2024-09-20T03:17:01Z)
• 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)
• DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image [98.29284902879652]
  DICEは1枚の画像から変形認識による手と顔のインタラクションを再現する最初のエンドツーエンド手法である。 ローカルな変形場とグローバルなメッシュ位置の回帰を2つのネットワークブランチに切り離すことが特徴である。 標準的なベンチマークと、精度と物理的妥当性の点から見れば、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-06-26T00:08:29Z)
• DGE: Direct Gaussian 3D Editing by Consistent Multi-view Editing [72.54566271694654]
  オープンな言語命令に基づいて3Dオブジェクトやシーンを編集する際の問題点を考察する。 この問題に対する一般的なアプローチは、3D編集プロセスをガイドするために2Dイメージジェネレータまたはエディタを使用することである。 このプロセスは、コストのかかる3D表現の反復的な更新を必要とするため、しばしば非効率である。
  論文  参考訳（メタデータ） (2024-04-29T17:59:30Z)
• Cross-Domain and Disentangled Face Manipulation with 3D Guidance [33.43993665841577]
  ヒト3DMMを用いて任意の領域の顔を操作する最初の方法を提案する。 これは、1) 3DMMパラメータから、事前訓練されたStyleGAN2の潜在空間埋め込みへの無絡マッピングである。 種々の顔領域における高品質な意味操作手法の優位性を示す実験と比較を行った。
  論文  参考訳（メタデータ） (2021-04-22T17:59:50Z)

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。