論文の概要: DAMA: Disentangled Body-Anchored Gaussians for Controllable Multi-Layered Avatars
- arxiv url: http://arxiv.org/abs/2605.21001v1
- Date: Wed, 20 May 2026 10:39:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.627893
- Title: DAMA: Disentangled Body-Anchored Gaussians for Controllable Multi-Layered Avatars
- Title（参考訳）: DAMA:制御可能な多層アバター用異方体アンコールガウシアン
- Authors: Daniel Eskandar, Berna Kabadayi, Garvita Tiwari, Gerard Pons-Moll,
- Abstract要約: 既存の3次元アバター再構成法は, 立体的構造や物理的妥当性を無視するが, 高い視力が得られる。
本稿では,3次元アバター復元法であるDAMAを紹介する。
完全な4D-DRESSデータセット(82スキャン)では、幾何再構成、衣服の分離、浸透率、深さにおける最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 21.06532146412002
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing 3D clothed avatar reconstruction methods achieve high visual fidelity but ignore geometric structure and physical plausibility. They either model clothed humans as a single deformable surface or attempt garment disentanglement without enforcing geometric constraints, resulting in ambiguous garment boundaries and no control over stacking or layer ordering. To address these limitations, we introduce DAMA (Disentangled body-Anchored Gaussians for Controllable Multi-layered Avatars), a 3D avatar reconstruction method that produces physically plausible clothed avatars through a dedicated representation and reconstruction method. At the representation level, we bind Gaussians to SMPL-X faces using barycentric in-plane coordinates and a positive normal offset. Based on this parameterization, the reconstruction method lifts 2D segmentations to body-anchored Gaussians, refines layers using topology-guided correction, and jointly optimizes geometry and appearance. DAMA is the first Gaussian avatar reconstruction method from multi-view images to achieve physically plausible layering, clean garment separation, and explicit stacking control. On the full 4D-DRESS dataset (82 scans), it achieves state-of-the-art performance in geometry reconstruction, garment separation, penetration rate, and penetration depth. The representation further supports user-defined garment reordering and fast conversion of body-conforming garments to simulation-ready meshes. Project Page: https://danieleskandar.github.io/dama/
- Abstract（参考訳）: 既存の3次元アバター再構成法は, 立体的構造や物理的妥当性を無視するが, 高い視力が得られる。
彼らは、人間を単一の変形可能な表面としてモデル化するか、幾何的な制約を課さずに衣服のゆがみを試み、不明瞭な衣服の境界線を形成し、積み重ねや層秩序の制御を行なわなかった。
これらの制約に対処するために, DAMA (Disentangled Body-Anchored Gaussian for Controllable Multi-layered Avatars) を導入し, 専用の表現と再構築手法により, 物理的に可塑性の布アバターを生産する3次元アバター再構成法を提案する。
表現レベルでは、バリ中心面座標と正の正規オフセットを用いてガウス面をSMPL-X面に結合する。
このパラメータ化に基づいて、2次元分割をボディアンコールしたガウスに引き上げ、トポロジー誘導補正を用いて層を洗練し、幾何学と外観を共同最適化する。
DAMAは多視点画像からの初のガウスアバター再構成手法であり、物理的に可塑性層化、クリーンな衣服分離、明示的な積み重ね制御を実現する。
フル4D-DRESSデータセット(82スキャン)では、幾何再構成、衣服分離、浸透率、浸透深度において最先端のパフォーマンスを達成する。
この表現はさらに、ユーザ定義の衣服のリオーダーと、ボディコンフォーミング服のシミュレーション可能なメッシュへの高速な変換をサポートする。
Project Page: https://danieleskandar.github.io/dama/
関連論文リスト
- F3G-Avatar : Face Focused Full-body Gaussian Avatar [5.5263731799099425]
F3G-アバター(F3G-Avatar)は、顔を認識するフルボディアバター合成法である。
マルチビューRGBビデオと回帰ポーズ/形状パラメータから、アニマタブルな人間の表現を再構成する。
AvatarReXデータセットでは、PSNR/SSIM/LPIPSが26.243/0.964/0.084に達した。
論文 参考訳（メタデータ） (2026-04-10T19:08:46Z) - LayerGS: Decomposition and Inpainting of Layered 3D Human Avatars via 2D Gaussian Splatting [0.7176107039687231]
任意に配置された人間をアニマタブルな多層型3次元アバターに分解する新しい枠組みを提案する。
提案手法は,従来の最先端技術よりも優れたレンダリング品質と層分解,再構成を実現する。
論文 参考訳（メタデータ） (2026-01-09T15:30:12Z) - 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) - AvatarBack: Back-Head Generation for Complete 3D Avatars from Front-View Images [24.909494214820324]
AvatarBackは、完全で一貫性のある3Dガウスアバターを再構成するように設計された、新しいプラグイン・アンド・プレイフレームワークである。
AvatarBackは,前頭骨の忠実度を維持しつつ,背頭再建の質を著しく向上させることを示す。
再建されたアバターは多様な動きの下で一貫した視覚的リアリズムを維持し、完全にアニマタブルである。
論文 参考訳（メタデータ） (2025-08-28T10:15:38Z) - MoGA: 3D Generative Avatar Prior for Monocular Gaussian Avatar Reconstruction [65.5412504339528]
MoGAは高忠実度3Dガウスアバターを単一視点画像から再構成する新しい手法である。
提案手法は最先端の手法を超越し,実世界のシナリオを一般化する。
論文 参考訳（メタデータ） (2025-07-31T14:36:24Z) - FRESA: Feedforward Reconstruction of Personalized Skinned Avatars from Few Images [74.86864398919467]
数枚の画像からリアルなアニメーションで、パーソナライズされた3Dアバターを再構成する新しい手法を提案する。
我々は、1000人以上の服を着た人間から普遍的な事前学習を行い、即時フィードフォワード生成とゼロショット一般化を実現する。
提案手法は, 最新技術よりも忠実な再構築とアニメーションを生成し, カジュアルに撮影された携帯電話写真からの入力に直接一般化することができる。
論文 参考訳（メタデータ） (2025-03-24T23:20:47Z) - Arc2Avatar: Generating Expressive 3D Avatars from a Single Image via ID Guidance [69.9745497000557]
本稿では,人間の顔の基盤モデルを用いた最初のSDSベースの手法であるArc2Avatarについて述べる。
我々のアバターは人間の顔メッシュテンプレートとの密接な対応を維持しており、ブレンドシェープによる表現生成を可能にしている。
論文 参考訳（メタデータ） (2025-01-09T17:04:33Z) - Generalizable and Animatable Gaussian Head Avatar [50.34788590904843]
本稿では,GAGAvatar(Generalizable and Animatable Gaussian Head Avatar)を提案する。
我々は、1つの前方通過で1つの画像から3次元ガウスのパラメータを生成する。
提案手法は, 従来の手法と比較して, 再現性や表現精度の点で優れた性能を示す。
論文 参考訳（メタデータ） (2024-10-10T14:29:00Z) - LayGA: Layered Gaussian Avatars for Animatable Clothing Transfer [40.372917698238204]
我々は、体と衣服を2つの別々の層として定式化する新しい表現であるLayGA(LayGA)を提示する。
我々の表現は、ガウスの地図に基づくアバターの上に構築され、衣服の詳細の表現力に優れています。
単層再構成では,滑らかな表面を再構成するための一連の幾何的制約を提案する。
多層フィッティングの段階では、体と衣服を表すために2つの異なるモデルを訓練し、再構築された衣服のジオメトリーを3D監視として活用する。
論文 参考訳（メタデータ） (2024-05-12T16:11:28Z) - GVA: Reconstructing Vivid 3D Gaussian Avatars from Monocular Videos [56.40776739573832]
モノクロビデオ入力(GVA)から鮮明な3Dガウスアバターの作成を容易にする新しい手法を提案する。
私たちのイノベーションは、高忠実な人体再構築を実現するという、複雑な課題に対処することにあります。
通常の地図とシルエットを整列させて手足のポーズ精度を向上させるためにポーズ改善手法を提案する。
論文 参考訳（メタデータ） (2024-02-26T14:40:15Z)
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。