論文の概要: MuNet: A Mutualistic Network for Joint 3D Human Mesh Recovery and 3D Clothed Human Reconstruction from Single Images

• arxiv url: http://arxiv.org/abs/2605.25861v2
• Date: Tue, 26 May 2026 02:04:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.172725
• Title: MuNet: A Mutualistic Network for Joint 3D Human Mesh Recovery and 3D Clothed Human Reconstruction from Single Images
• Title（参考訳）: MuNet: 単一画像からの3次元メッシュ復元と3次元クローン再構築のための相互ネットワーク
• Authors: Yunqi Gao, Leyuan Liu, Yuhan Li, Changxin Gao, Jingying Chen,
• Abstract要約: 3次元メッシュの回復と3次元の衣服の復元は本質的に関連しているが、それらは長い間、孤立して研究されてきた。 本研究では,1枚の画像から3次元のメッシュ復元と3次元の再構成を行うための相互運用ネットワーク MuNet を提案する。 我々は,3次元メッシュ復元と3次元再構築のための6つのベンチマークデータセット上で,MuNetを広範囲に評価した。
• 参考スコア（独自算出の注目度）: 24.718945186230076
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 3D human mesh recovery and 3D clothed human reconstruction are inherently related, yet they have long been studied in isolation, thereby overlooking the potential gains of joint optimization. To overcome this limitation, we propose to address these two tasks within a unified framework, which allows their mutual dependencies to be effectively exploited. Building on this idea, we propose MuNet, a mutualistic network for joint 3D human mesh recovery and 3D clothed human reconstruction from single images. First, we adopt 2-manifold graphs as a unified representation for all 3D models, enabling consistent modeling across 3D human mesh recovery and clothed human reconstruction. Second, we design an end-to-end graph convolutional network that progressively deforms an initial graph into a 3D human mesh and refines it into a detailed 3D clothed human model. Third, we introduce a mutualistic mechanism that allows reciprocal interaction between the two tasks {during training}, where 3D human mesh recovery provides guidance for 3D clothed human reconstruction, and reconstruction feedback refines the 3D human mesh recovery. We extensively evaluate MuNet on six benchmark datasets for 3D human mesh recovery and 3D clothed human reconstruction, including Human3.6M, 3DPW, MPI-INF-3DHP, THuman2.0, CAPE, and RenderPeople. Experimental results demonstrate that MuNet achieves state-of-the-art performance on both tasks across all datasets. The code of MuNet is released for research purposes at https://github.com/starVisionTeam/MuNet.
• Abstract（参考訳）: 3次元メッシュの回復と3次元の衣服の復元は本質的に関連しているが、それらは長い間独立して研究されてきたため、関節最適化の潜在的な利益を見越すことができる。 この制限を克服するため、我々はこれらの2つのタスクを統一されたフレームワーク内で解決し、相互依存関係を効果的に活用することを提案する。 このアイデアに基づいて,MuNetを提案する。このネットワークは,1枚の画像から3次元のメッシュ復元と3次元の再構成を行う。 まず、すべての3次元モデルの統一表現として2次元グラフを採用し、3次元メッシュリカバリと衣服付き人間の再構築を一貫したモデリングを可能にする。 第2に、初期グラフを段階的に3次元のメッシュに変形させ、それを詳細な3次元の人間のモデルに洗練する、エンドツーエンドのグラフ畳み込みネットワークを設計する。 第3に,2つのタスク間の相互的相互作用を可能にする相互主義的メカニズムを導入する。3次元メッシュ復元は,3次元メッシュ復元のためのガイダンスを提供するとともに,再構成フィードバックによって3次元メッシュ復元が洗練される。 ヒト3.6M, 3DPW, MPI-INF-3DHP, THuman2.0, CAPE, RenderPeople などの3次元メッシュ復元と3次元布地再構築のための6つのベンチマークデータセット上で MuNet を広範囲に評価した。 実験の結果、MuNetはすべてのデータセットにわたる両方のタスクで最先端のパフォーマンスを実現している。 MuNetのコードはhttps://github.com/starVisionTeam/MuNet.comで研究目的で公開されている。

関連論文リスト

• Unify3D: An Augmented Holistic End-to-end Monocular 3D Human Reconstruction via Anatomy Shaping and Twins Negotiating [4.708237200844732]
  本稿では,人間の再建を全体的プロセスとして扱う新しいパラダイムを紹介する。 本稿では、解剖学的形状抽出モジュールとツインズネゴシエイト再構成U-Netの2つのコアコンポーネントからなる新しい再構成フレームワークを提案する。 また,Comic Data Augmentation 戦略を提案し,より複雑なケースインプットでモデル性能を高めるために15k以上の人体スキャンを構築した。
  論文  参考訳（メタデータ） (2025-04-25T09:49:23Z)
• Humans in 4D: Reconstructing and Tracking Humans with Transformers [72.50856500760352]
  我々は、人間を再構築し、時間とともに追跡するアプローチを提案する。 このアプローチの中核として、人間のメッシュリカバリのためのネットワークの完全な"トランスフォーマライズ"バージョンを提案する。 このネットワークであるHMR 2.0は、芸術の状態を前進させ、過去に1枚の画像から再構成することが困難であった異常なポーズを分析する能力を示す。
  論文  参考訳（メタデータ） (2023-05-31T17:59:52Z)
• Get3DHuman: Lifting StyleGAN-Human into a 3D Generative Model using Pixel-aligned Reconstruction Priors [56.192682114114724]
  Get3DHumanは、生成された結果のリアリズムと多様性を大幅に向上させる、新しい3Dヒューマンフレームワークである。 我々のキーとなる観察は、この3Dジェネレータは、人間の2Dジェネレータと3Dコンストラクタを通して学んだ、人間関係の先行技術から利益を得ることができるということだ。
  論文  参考訳（メタデータ） (2023-02-02T15:37:46Z)
• 3DHumanGAN: 3D-Aware Human Image Generation with 3D Pose Mapping [37.14866512377012]
  3DHumanGAN(3DHumanGAN)は、全身の人間の写実的な画像を合成する3D対応の対向ネットワークである。 本稿では,3次元ポーズマッピングネットワークによって2次元畳み込みバックボーンを変調する新しいジェネレータアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-12-14T17:59:03Z)
• MUG: Multi-human Graph Network for 3D Mesh Reconstruction from 2D Pose [20.099670445427964]
  単一の単分子画像からマルチヒューマンボディメッシュを再構築することは重要な問題であるが、コンピュータビジョンの問題である。 本研究では,単一グラフニューラルネットワークを用いて,マルチヒューマン2次元ポーズのみを入力として,コヒーレントなマルチヒューマンメッシュを構築する。
  論文  参考訳（メタデータ） (2022-05-25T08:54:52Z)
• THUNDR: Transformer-based 3D HUmaN Reconstruction with Markers [67.8628917474705]
  THUNDRは、人の3Dポーズと形状を再構築するトランスフォーマーベースのディープニューラルネットワーク手法である。 完全教師付きモデルと自己教師型モデルの両方に対して,Human3.6Mと3DPWの最先端結果を示す。 野生で収集された難易度の高い人間のポーズに対して, 非常に堅固な3次元再構成性能を観察した。
  論文  参考訳（メタデータ） (2021-06-17T09:09:24Z)
• 3D Multi-bodies: Fitting Sets of Plausible 3D Human Models to Ambiguous Image Data [77.57798334776353]
  単眼・部分閉塞視からヒトの高密度3次元再構成を実現することの問題点を考察する。 身体の形状やポーズをパラメータ化することで、あいまいさをより効果的にモデル化できることを示唆する。 提案手法は, 3次元人間の標準ベンチマークにおいて, あいまいなポーズ回復において, 代替手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-02T13:55:31Z)

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。