論文の概要: Learning Neural Deformation Representation for 4D Dynamic Shape Generation

• arxiv url: http://arxiv.org/abs/2606.01021v1
• Date: Sun, 31 May 2026 05:25:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 00:57:58.93405
• Title: Learning Neural Deformation Representation for 4D Dynamic Shape Generation
• Title（参考訳）: 4次元動的形状生成のためのニューラル変形表現の学習
• Authors: Gyojin Han, Jiwan Hur, Jaehyun Choi, Junmo Kim,
• Abstract要約: 生成品質と効率の両方に重点を置いた4次元動的形状の生成に重点を置いている。 そこで我々は,新しいニューラル変形表現を提案し,それを条件付きニューラル符号距離場と組み合わせて4次元表現アーキテクチャを設計する。 提案した変形表現は, 既存の4次元表現の変形モジュールに対して, スキンウェイトおよび複数部分の剛性変換を予測して機能する。
• 参考スコア（独自算出の注目度）: 18.39851711911021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent developments in 3D shape representation opened new possibilities for generating detailed 3D shapes. Despite these advances, there are few studies dealing with the generation of 4D dynamic shapes that have the form of 3D objects deforming over time. To bridge this gap, we focus on generating 4D dynamic shapes with an emphasis on both generation quality and efficiency in this paper. HyperDiffusion, a previous work on 4D generation, proposed a method of directly generating the weight parameters of 4D occupancy fields but suffered from low temporal consistency and slow rendering speed due to motion representation that is not separated from the shape representation of 4D occupancy fields. Therefore, we propose a new neural deformation representation and combine it with conditional neural signed distance fields to design a 4D representation architecture in which the motion latent space is disentangled from the shape latent space. The proposed deformation representation, which works by predicting skinning weights and rigid transformations for multiple parts, also has advantages over the deformation modules of existing 4D representations in understanding the structure of shapes. In addition, we design a training process of a diffusion model that utilizes the shape and motion features that are extracted by our 4D representation as data points. The results of unconditional generation, conditional generation, and motion retargeting experiments demonstrate that our method not only shows better performance than previous works in 4D dynamic shape generation but also has various potential applications.
• Abstract（参考訳）: 3次元形状表現の最近の進歩は、詳細な3次元形状を生成する新しい可能性を開いた。 これらの進歩にもかかわらず、時間とともに変形する3次元物体の形を持つ4次元動的形状の生成を扱う研究はほとんどない。 このギャップを埋めるために、本論文では、生成品質と効率の両方に重点を置いて、4次元動的形状を生成することに重点を置いている。 前回の研究であるHyperDiffusionは、4D占有場の重みパラメータを直接生成する手法を提案したが、4D占有場の形状表現から分離されていない動き表現のため、時間的一貫性が低く、レンダリング速度が遅い。 そこで我々は,新しいニューラル変形表現を提案し,それを条件付きニューラル符号距離場と組み合わせて,動作潜時空間と形状潜時空間とが絡み合う4次元表現アーキテクチャを設計する。 提案した変形表現は, 形状構造を理解する上で, 既存の4次元表現の変形モジュールに対して, 肌の重みと剛性変換を予測して機能する。 さらに,この4次元表現をデータポイントとして抽出した形状と運動特徴を利用した拡散モデルの学習過程を設計する。 非条件生成,条件生成,運動再ターゲティング実験の結果,本手法は従来の4次元動的形状生成法よりも優れた性能を示すだけでなく,様々な応用の可能性も示している。

関連論文リスト

• DNF: Unconditional 4D Generation with Dictionary-based Neural Fields [32.25164913000621]
  非条件生成モデルのための新しい4次元表現であるDNFを提案する。 DDNFは、歪んだ形状と動きを持つ変形可能な形状を効率的にモデル化する。 提案手法は,有効かつ高忠実な4Dアニメーションを生成することができる。
  論文  参考訳（メタデータ） (2024-12-06T16:25:57Z)
• Diffusion4D: Fast Spatial-temporal Consistent 4D Generation via Video Diffusion Models [116.31344506738816]
  高速でスケーラブルな4Dコンテンツ生成のための新しいフレームワーク textbfDiffusion4D を提案する。 ダイナミックな3Dアセットの軌道ビューを合成できる4D対応ビデオ拡散モデルを開発した。 提案手法は, 生成効率と4次元幾何整合性の観点から, 従来の最先端技術を超えている。
  論文  参考訳（メタデータ） (2024-05-26T17:47:34Z)
• SC4D: Sparse-Controlled Video-to-4D Generation and Motion Transfer [57.506654943449796]
  動作と外観を分離するSC4Dという,効率的でスパース制御されたビデオ・ツー・4Dフレームワークを提案する。 我々の手法は、品質と効率の両面で既存の手法を超越している。 動作を多種多様な4Dエンティティにシームレスに転送する新しいアプリケーションを考案する。
  論文  参考訳（メタデータ） (2024-04-04T18:05:18Z)
• Learning Coherent Matrixized Representation in Latent Space for Volumetric 4D Generation [48.671462912294594]
  本研究では,空間次元と時間次元をまたいだ形状と色を動的に変化させた4次元配列を生成する枠組みを提案する。 まず、コヒーレントな3次元形状と色モデリングを用いて、各3次元形状フレームの形状と色を潜在空間にエンコードする。 次に,効率的な拡散モデル演算が可能な行列化4次元シーケンス表現を提案する。
  論文  参考訳（メタデータ） (2024-03-20T01:59:43Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)
• H4D: Human 4D Modeling by Learning Neural Compositional Representation [75.34798886466311]
  この研究は、動的人間に対するコンパクトで構成的な表現を効果的に学習できる新しい枠組みを提示する。 単純で効果的な線形運動モデルを提案し, 粗く規則化された動き推定を行う。 本手法は, 高精度な動作と詳細な形状を持つ動的ヒトの回復に有効であるだけでなく, 様々な4次元人間関連タスクにも有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-02T17:10:49Z)

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。