論文の概要: COSY: Compositional 3DGS Synthesis for Disentangled Human Head Editing

• arxiv url: http://arxiv.org/abs/2605.24114v1
• Date: Fri, 22 May 2026 18:22:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.637596
• Title: COSY: Compositional 3DGS Synthesis for Disentangled Human Head Editing
• Title（参考訳）: COSY: アンタングル型頭部編集のための合成3DGS合成
• Authors: Florian Barthel, Shalini De Mello, Koki Nagano, Wieland Morgenstern, Anna Hilsmann, Peter Eisert,
• Abstract要約: 本稿では,毛髪,皮膚,眼鏡,胴体などの部品を独立に合成する新しいジェネレータアーキテクチャを提案する。 これにより、残りの部分を固定しながら、ある領域の潜伏ベクトルを変更することができる。 GANベースの生成・編集に関する既存の研究と比較して,本手法はより優れた絡み合い,より精密な編集制御,競争力のある視覚的品質を示す。
• 参考スコア（独自算出の注目度）: 38.78268963918063
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent 3D Gaussian Splatting (3DGS) GANs for human heads synthesize and render photorealistic 3D models in real-time and offer a vast variety in identity and appearance. However, controlling specific semantic attributes such as hair color or glasses remains challenging, as edits in the entangled latent space often induce unintended changes in identity or appearance. Although there are several methods that aim to disentangle the latent space post training by estimating directions that only modify certain features, these methods cannot guarantee complete disentanglement and often require pre-trained classifiers. In our approach, we propose a new generator architecture that synthesizes components, such as hair, skin, glasses, and torso, completely independently. This allows for changing the latent vector for one region while keeping the remaining parts fixed. Further, we achieve this separation using only sparse information such as the hair or skin color, eliminating the requirement of segmentation masks or geometric priors, often seen in prior work. To ensure matching shape and lighting conditions during editing, we allow minimal shared information via context tokens between the independent generators. These tokens even allow us to control the shape and light, without any prior annotation. Compared to existing works on GAN-based generation and editing, our method shows better disentanglement, more precise editing control, and competitive visual quality.
• Abstract（参考訳）: 最近の頭部用3Dガウススティング(3DGS) GANは、リアルタイムにフォトリアリスティックな3Dモデルを合成し、レンダリングし、アイデンティティと外観の多様性を提供する。 しかし、髪の色や眼鏡などの特定の意味的属性の制御は、絡み合った潜伏空間の編集は、しばしば意図しないアイデンティティや外観の変化を引き起こすため、依然として困難である。 特定の特徴だけを修正した方向を推定することで、潜在空間ポストトレーニングをアンタングル化しようとする方法はいくつかあるが、これらの手法は完全なアンタングル化を保証できず、しばしば事前訓練された分類器を必要とする。 そこで本研究では,毛髪,皮膚,眼鏡,胴体などの部品を独立に合成する新しいジェネレータアーキテクチャを提案する。 これにより、残りの部分を固定しながら、ある領域の潜伏ベクトルを変更することができる。 さらに, 毛髪や肌の色などの粗い情報のみを用いて, 分割マスクや幾何学的先行性の必要性を排除し, この分離を実現する。 編集中の形状と照明条件の整合性を確保するため,独立生成装置間のコンテキストトークンによる最小限の情報共有を可能にする。 これらのトークンは、事前のアノテーションを使わずに、形状や光を制御できます。 GANベースの生成・編集に関する既存の研究と比較して,本手法はより優れた絡み合い,より精密な編集制御,競争力のある視覚的品質を示す。

関連論文リスト

• VIRGi: View-dependent Instant Recoloring of 3D Gaussians Splats [53.602701067430075]
  3DGSでモデル化されたシーンの色を高速に編集する新しいアプローチであるVIRGiを紹介する。 1人のユーザーの重みを微調整することで、色編集はシーン全体にわずか2秒でシームレスに伝達される。 多様なデータセットに対する徹底的な検証は、競合相手に対する有意義な量的および質的な進歩を示している。
  論文  参考訳（メタデータ） (2026-03-03T13:41:17Z)
• Generating Editable Head Avatars with 3D Gaussian GANs [57.51487984425395]
  従来の3D-Aware Generative Adversarial Network (GAN) は、フォトリアリスティックでビューに一貫性のある3Dヘッド合成を実現する。 本稿では,3次元ガウススプラッティング(3DGS)を明示的な3次元表現として取り入れることで,3次元ヘッドアバターの編集性とアニメーション制御を向上する手法を提案する。 提案手法は,最先端の制御性を備えた高品質な3D認識合成を実現する。
  論文  参考訳（メタデータ） (2024-12-26T10:10:03Z)
• Spatial Steerability of GANs via Self-Supervision from Discriminator [123.27117057804732]
  本稿では,GANの空間的ステアビリティを向上させるための自己教師型アプローチを提案する。 具体的には、空間帰納バイアスとして生成モデルの中間層に符号化されるランダムなガウス熱マップを設計する。 推論中、ユーザは直感的に空間のヒートマップと対話し、シーンのレイアウトを調整したり、移動したり、オブジェクトを削除したりすることで、出力画像を編集することができる。
  論文  参考訳（メタデータ） (2023-01-20T07:36:29Z)
• NeRFFaceEditing: Disentangled Face Editing in Neural Radiance Fields [40.543998582101146]
  ニューラル放射場における幾何と外観の編集とデカップリングを可能にするNeRFFaceEditingを導入する。 提案手法では,ユーザが幾何学と外観の分離した制御を施したセマンティックマスクによる編集が可能となる。 定性的かつ定量的な評価は,既存の解や代替解と比較して,本手法の幾何学的・外見的制御能力に優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-15T08:11:39Z)
• Towards Disentangling Latent Space for Unsupervised Semantic Face Editing [21.190437168936764]
  修正属性の編集には注釈付きトレーニングデータが必要で、編集可能な属性をラベル付き属性に制限する。 本稿では、重み分解と直交正規化(STIA-WO)を用いた構造テクスチュア独立アーキテクチャ(Structure-Texture Independent Architecture)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-11-05T03:29:24Z)
• PIE: Portrait Image Embedding for Semantic Control [82.69061225574774]
  本稿では,StyleGANの潜在空間に実際の肖像画を埋め込むための最初のアプローチを提案する。 トレーニング済みのニューラルネットワークであるStyleRigは、3D形態素顔モデルの制御空間をGANの潜在空間にマッピングする。 アイデンティティエネルギー保存用語は、顔の整合性を維持しながら空間的コヒーレントな編集を可能にする。
  論文  参考訳（メタデータ） (2020-09-20T17:53:51Z)

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。