論文の概要: AvatarMix: Identity-Preserving Cross-Avatar Composition for Outfit Personalization

• arxiv url: http://arxiv.org/abs/2606.03506v1
• Date: Tue, 02 Jun 2026 11:24:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.964545
• Title: AvatarMix: Identity-Preserving Cross-Avatar Composition for Outfit Personalization
• Title（参考訳）: AvatarMix:アウトフィットパーソナライゼーションのためのアイデンティティ保護型クロスアバター構成
• Authors: Zhaorong Wang, Yoshihiro Kanamori, Yuki Endo,
• Abstract要約: AvatarMixは、服装の忠実さとアイデンティティの保存における最先端の成果を達成し、リアルな3D服のパーソナライゼーションの新しい視点を提供する。 提案手法は, リアルな3D服のパーソナライゼーションの新たな視点として, 衣服の忠実度とアイデンティティの保存の最先端的な結果を実現する。
• 参考スコア（独自算出の注目度）: 6.137762398583806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing 3D avatar outfit transfer methods face distinct challenges: approaches that lift 2D edits to 3D often suffer from outfit or identity quality degradation, while those that separately model body and clothing layers are prone to intersection artifacts. We introduce AvatarMix, a compositional paradigm that bypasses these issues by directly composing the head and body from two high-fidelity Gaussian avatars. While this paradigm inherently preserves outfit quality and avoids intersections, it introduces challenges in creating a seamless join and maintaining appearance fidelity after body reshaping. To this end, we propose a two-tier refinement strategy: SeamFix, a localized diffusion module that refines hair and neck to ensure an artifact-free join, and an optional full-body refinement, FullbodyFix, that restores garment appearance when retargeting degrades the clothed body. Both operate on renders from an already 3D-consistent Gaussian avatar, which limits multi-view artifacts compared to 2D-to-3D lifting. To preserve the user's body identity, our mesh-based Gaussian representation enables the adaptation of a robust mesh retargeting technique, precisely reshaping the clothed body to the user's physique and robustly handling diverse body shapes. Extensive experiments demonstrate that our method achieves state-of-the-art results in outfit fidelity and identity preservation, providing a new perspective for realistic 3D outfit personalization. Project page: https://larsph.github.io/avatarmix/
• Abstract（参考訳）: 3D編集を3Dに上げるアプローチは、しばしば衣装やアイデンティティの質の低下に悩まされるが、ボディ層と衣服層を別々にモデル化するアプローチは、交差するアーティファクトの傾向にある。 AvatarMixは,高忠実度ガウスアバターの頭部と体を直接構成することで,これらの問題を回避できる構成パラダイムである。 このパラダイムは本質的に衣服の質を保ち、交点を避ける一方で、シームレスに結合し、体を形作り直した後の外観の忠実さを維持するという課題を提起する。 そこで本研究では, 毛髪と首の局所的な拡散モジュールであるSeamFixと, 布を脱ぐ際に衣服の外観を復元するFullbodyFixを提案する。 どちらも既に3D対応のガウスアバターのレンダリングで動作し、2D-to-3Dリフトと比較して多視点のアーティファクトを制限する。 メッシュをベースとしたガウス表現は,ユーザの体格を維持するために,堅牢なメッシュリターゲティング手法の適応を可能にし,布体をユーザの体格に正確に再構成し,多様な体形を頑健に扱えるようにした。 広汎な実験により,本手法は衣服の忠実度とアイデンティティの保存性を向上し,リアルな3D服のパーソナライゼーションの新たな視点を提供する。 プロジェクトページ: https://larsph.github.io/avatarmix/

関連論文リスト

• 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)
• LAGA: Layered 3D Avatar Generation and Customization via Gaussian Splatting [18.613001290226773]
  LAGA(Layered Gaussian Avatar)は、多彩な衣服で高忠実で分解可能なアバターを作成できるフレームワークである。 衣料品をアバターから切り離すことで,アバターを衣服レベルで安定的に編集することを可能にする。 提案手法は, 従来の3次元衣料人体生成手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-05-21T10:24:06Z)
• 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)
• Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
  Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。 本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。 実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
  論文  参考訳（メタデータ） (2023-09-28T06:18:38Z)
• AvatarFusion: Zero-shot Generation of Clothing-Decoupled 3D Avatars Using 2D Diffusion [34.609403685504944]
  ゼロショットテキスト-アバター生成のためのフレームワークであるAvatarFusionを提案する。 我々は遅延拡散モデルを用いて、人間の現実的なアバターを生成するためのピクセルレベルのガイダンスを提供する。 また,身体と衣服の生成を意味的に分離する新たな最適化手法である,PS-DS(Pixel-Semantics Difference-Sampling)を導入する。
  論文  参考訳（メタデータ） (2023-07-13T02:19:56Z)
• DreamAvatar: Text-and-Shape Guided 3D Human Avatar Generation via Diffusion Models [55.71306021041785]
  高品質な3Dアバターを作成するためのテキスト・アンド・シェイプ・ガイドフレームワークであるDreamAvatarについて紹介する。 SMPLモデルを利用して、生成のための形状とポーズのガイダンスを提供する。 また、全体とズームインした3Dヘッドから計算した損失を共同で最適化し、一般的なマルチフェイス「Janus」問題を緩和する。
  論文  参考訳（メタデータ） (2023-04-03T12:11:51Z)
• Capturing and Animation of Body and Clothing from Monocular Video [105.87228128022804]
  メッシュベース体とニューラル放射場を組み合わせたハイブリッドモデルであるSCARFを提案する。 メッシュをレンダリングに統合することで、モノクロビデオから直接SCARFを最適化できます。 本研究は,SCARFが従来の方法よりも高品質な衣服であり,身体のポーズや体型の変化とともに衣服が変形し,異なる被験者のアバター間で衣服の移動が成功できることを実証する。
  論文  参考訳（メタデータ） (2022-10-04T19:34:05Z)

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。