論文の概要: PiG-Avatar: Hierarchical Neural-Field-Guided Gaussian Avatars

• arxiv url: http://arxiv.org/abs/2605.20185v1
• Date: Tue, 19 May 2026 17:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.58238
• Title: PiG-Avatar: Hierarchical Neural-Field-Guided Gaussian Avatars
• Title（参考訳）: PiG-Avatar:階層型ニューラルフィールド誘導ガウスアバター
• Authors: Julian Kaltheuner, Jan Spindler, Sina Kitz, Patrick Stotko, Reinhard Klein,
• Abstract要約: 本稿では、連続神経場によって支配される正準空間に固定されたガウスとしてアバターを表すPiG-Avatarについて述べる。 このことはテンプレートトポロジーから表現を分離し、曲面ベースのパラメータ化の幾何学的制約を避ける。 確立されたベンチマークでは、PiG-Avatarは最先端のレンダリング品質を達成し、すべての詳細レベルにわたってリアルタイムでレンダリングする。
• 参考スコア（独自算出の注目度）: 5.13692504042901
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing Gaussian avatar methods typically parameterize geometry on a body-template surface, which entangles the avatar's representation space with the template's deformation space and limits the capture of layered, off-body, and non-rigid clothing geometry. We present PiG-Avatar, which addresses this limitation by using the parametric body model solely for kinematic transport, while representing the avatar as Gaussians anchored in a volumetric canonical space governed by a continuous neural field. This decouples representation from template topology, avoiding the geometric constraints of surface-based parameterizations. Kinematic coherence is maintained through 3D barycentric anchor transport, which guides motion without constraining geometry and allows anchors to deviate freely from the template surface, yielding dense, stable temporal surface correspondences by construction. To make this unconstrained formulation tractable, we introduce dual-level spatially coherent optimization, combining Sobolev-preconditioned neural-field updates with a novel KNN-based preconditioning of canonical anchor geometry. Together, these mechanisms induce an emergent self-organization of anchor density: anchors migrate toward regions of high curvature, appearance variation, and non-coherent motion without explicit heuristics. As a result, complex clothing geometry and layered surfaces emerge as natural, high-fidelity outputs. This single representation further supports hierarchical reconstruction across multiple levels of detail, with coarse-level supervision propagating to finer levels through the shared field and coupled anchor graph. On established benchmarks featuring subjects with complex clothing and challenging non-rigid motion, PiG-Avatar achieves state-of-the-art rendering quality, generalizes robustly to imperfect body model initialization, and renders in real time across all detail levels.
• Abstract（参考訳）: 既存のガウスアバター法は、典型的には体接面上の幾何学をパラメータ化し、アバターの表現空間をテンプレートの変形空間と絡めて、層状、オフボディ、非剛体的な衣服幾何学の捕獲を制限する。 本稿では,この制限に対処するPiG-Avatarについて,運動輸送のみのためのパラメトリックボディモデルを用いて,連続神経野が支配する体積標準空間に固定されたガウス系としてアバターを表現した。 このことはテンプレートトポロジーから表現を分離し、曲面ベースのパラメータ化の幾何学的制約を避ける。 キネマティック・コヒーレンス(英語版)は3Dバリ中心のアンカー輸送によって維持され、幾何を拘束することなく動きを誘導し、アンカーはテンプレート表面から自由に逸脱し、構成によって密度が高く安定した時間的表面対応をもたらす。 この制約のない定式化を実現するために、ソボレフでプレコンディショニングされたニューラルフィールド更新と、標準アンカー幾何の新規なKNNに基づくプレコンディショニングを組み合わせた二重レベル空間コヒーレントな最適化を導入する。 これらの機構は、アンカー密度の創発的な自己組織化を誘導する:アンカーは、高い曲率の領域、外観変化、および明示的なヒューリスティックスを伴わない非コヒーレントな運動へと移行する。 その結果、複雑な衣服の幾何学と層状表面が自然で高忠実な出力として現れる。 この単一の表現は、複数の詳細レベルにわたる階層的再構築をさらにサポートし、粗いレベルの監督が共有フィールドと結合されたアンカーグラフを通してより詳細なレベルに伝播する。 複雑な衣服の被写体と非剛体運動に挑戦する定評のあるベンチマークにおいて、PiG-Avatarは最先端のレンダリング品質を達成し、不完全なボディモデルの初期化に堅牢に一般化し、あらゆる詳細レベルにわたってリアルタイムにレンダリングする。

関連論文リスト

• DySurface: Consistent 4D Surface Reconstruction via Bridging Explicit Gaussians and Implicit Functions [30.023158829098502]
  動的シーンにおける暗黙的距離関数(SDF)の幾何学的忠実度で、明示的なガウス的効果を橋渡しする新しいフレームワークであるDySurfaceを提案する。 具体的には,変形したガウスを生かしたVoxGS-DSDF分岐を用いて,動的スパースボクセル格子を構築し,暗黙のSDF場への幾何的ガイダンスを提供する。 この明示的なアンカーは、ボリュームレンダリングプロセスを効果的に調整し、水密境界と詳細な表現で表面再構成品質を著しく改善する。
  論文  参考訳（メタデータ） (2026-05-11T11:05:17Z)
• Beyond Gaussian Bottlenecks: Topologically Aligned Encoding of Vision-Transformer Feature Spaces [18.19675060489249]
  S$2$VAEは,シーンの潜伏状態の圧縮と表現に焦点を当てた幾何学第一の潜伏学習フレームワークである。 深度推定, カメラポーズ復元, 点雲再構成では, 幾何配向超球面潜水剤が従来のガウスボトルネックよりも常に優れていたことを示す。
  論文  参考訳（メタデータ） (2026-04-30T17:12:31Z)
• AniGen: Unified $S^3$ Fields for Animatable 3D Asset Generation [64.1405325883561]
  AniGenは、単一画像上に条件付きアニメーション対応の3Dアセットを直接生成する統合フレームワークである。 私たちの重要な洞察は、共有空間領域上で定義されたS3$ Fields(Shape, Skeleton, Skin)として、形状、骨格、スキン化を表現することです。 AniGenは、リグの妥当性とアニメーションの品質において、最先端のシーケンシャルベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-09T20:22:06Z)
• LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
  アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。 本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。 実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
  論文  参考訳（メタデータ） (2026-03-30T13:39:35Z)
• NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather [83.14198482357388]
  劣化したマルチビューインプットから高品質な3Dシーンを再構築するための統合フレームワークであるNimbusGSを提案する。 特定の気象タイプをターゲットにした既存の手法とは異なり、NimbusGSはより広範な一般化の課題に対処している。
  論文  参考訳（メタデータ） (2026-03-28T10:46:29Z)
• TexAvatars : Hybrid Texel-3D Representations for Stable Rigging of Photorealistic Gaussian Head Avatars [47.957612931386926]
  テクスアバター(TexAvatars)は、解析リグの明示的な幾何学的基底とテクセル空間の空間的連続性を組み合わせたハイブリッド表現である。 提案手法は,CNNを用いてUV空間の局所的幾何学特性を推定するが,メッシュ認識ヤコビアンによる3次元変形を駆動する。 提案手法は,過度なポーズと表現変化下での最先端性能を実現し,挑戦的な頭部再現設定において強力な一般化を示す。
  論文  参考訳（メタデータ） (2025-12-24T10:50:04Z)
• MonoPartNeRF:Human Reconstruction from Monocular Video via Part-Based Neural Radiance Fields [12.791949210170124]
  単分子動的人間のレンダリングのための新しいフレームワークMonoPartNeRFを提案する。 部分ベースのレンダリングパラダイムは、人間のセグメンテーションによってガイドされ、構造的な複雑さに基づいた柔軟なパラメータ割り当てを可能にする。 本研究では,グローバルなポーズベクトルを身体領域に基づく局所的な関節埋め込みに分解する部分的ポーズ埋め込み機構を提案する。
  論文  参考訳（メタデータ） (2025-08-12T09:55:21Z)
• Neural Octahedral Field: Octahedral prior for simultaneous smoothing and sharp edge regularization [9.167571374234166]
  そこで本研究では,オクタヘドラル場(Octahedral field)の新たな変種下での表面再構成を導くことを提案する。 暗黙の幾何とともに八面体を同時に嵌め、滑らかにすることで、二元フィルタリングと類似して振る舞う。 提案手法は, 様々な実験において, 従来型, ニューラルなアプローチより優れている。
  論文  参考訳（メタデータ） (2024-08-01T06:02:59Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)

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。