論文の概要: GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion
- arxiv url: http://arxiv.org/abs/2606.27659v1
- Date: Fri, 26 Jun 2026 02:31:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.353277
- Title: GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion
- Title（参考訳）: GeoFace: 幾何制約付き拡散による連続多視点顔生成
- Abstract要約: GeoFaceは、単一の入力から一貫した顔を生成するための幾何学制約付き多視点拡散フレームワークである。
RenderMe-360 と NeRSemble の実験では、GeoFace は視覚的品質と横方向の幾何的整合性の両方において、既存の手法よりも一貫して優れていることを示した。
- 参考スコア（独自算出の注目度）: 36.691978700341515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present GeoFace, a geometry-constrained multi-view diffusion framework for consistent face generation from a single input. % While recent multi-view diffusion models achieve photorealistic synthesis at the per-view level, they lack an explicit mechanism to enforce a shared 3D structure across views, often leading to inconsistent geometry across viewpoints. To address this, GeoFace proposes a unified dual-stream framework for joint generation of multi-view RGB images and 3D face geometry, where the appearance and geometry streams interact through shared attention layers. To encourage the two streams to mutually constrain each other, we introduce a geometry-guided attention alignment loss that supervises the cross-attention between appearance and geometry tokens with 3D-consistent correspondences, enabling the appearance stream to correctly reference pose-invariant geometric cues for robust alignment across viewpoints. Geometry is represented as a canonical UV position map, derived from a FLAME mesh fitted to multi-view observations, serving as a view-invariant shared constraint across all generated views. Experiments on RenderMe-360 and NeRSemble demonstrate that GeoFace consistently outperforms existing methods in both visual quality and cross-view geometric consistency, facilitating more efficient 3D reconstruction.
- Abstract（参考訳）: 一つの入力から一貫した顔を生成するための幾何制約付き多視点拡散フレームワークGeoFaceを提案する。
近年の多視点拡散モデルでは,視線レベルでの光現実的合成が実現されているが,視線を横断する共有3次元構造を強制する明確な機構が欠如しており,視線を横断する不整合な幾何学に繋がることが多い。
この問題を解決するためにGeoFaceは、マルチビューRGB画像と3次元顔形状の合同生成のための統合されたデュアルストリームフレームワークを提案し、そこでは、外観と幾何学的ストリームが共有注意層を介して相互作用する。
2つのストリームが相互に制約されるようにするために,3次元の対応で外観と幾何学トークン間の交差注意を監督する幾何誘導型アライメント損失を導入し,視点をまたいだアライメントのためのポーズ不変な幾何学的手がかりを正しく参照できるようにする。
幾何学は、多視点観測に適合するFLAMEメッシュから派生した標準UV位置マップとして表現され、全ての生成されたビューに対してビュー不変の共有制約として機能する。
RenderMe-360 と NeRSemble の実験では、GeoFace は視覚的品質と横方向の幾何的整合性の両方において既存の手法を一貫して上回り、より効率的な3D再構成を可能にしている。
関連論文リスト
- ReconSplat: Generalizable 3D Scene Reconstruction Beyond Observed Views [9.257489669927624]
ReconSplatは3Dシーン再構築のためのフィードフォワードモデルである。
幾何学的に整列した新しいビューと鋭い深さ推定の両方を提供する。
実際のベンチマークで、フォトリアリスティックなノベルビューと正確な深度マップの両方を生成する。
論文 参考訳（メタデータ） (2026-08-28T21:53:58Z) - Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。
鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
論文 参考訳（メタデータ） (2026-08-12T11:25:31Z) - Visual Geometry Foundation-Aware Gaussians for Single-Frame Surround-View Driving Reconstruction [44.54907293631917]
単フレームのサラウンドビューリコンストラクションは、カメラ間オーバーラップが最小限であるために、厳密な幾何学的不安定さとレンダリングアーティファクトに直面している。
フィードフォワード・サラウンド・サラウンド・ビュー・ドライビング・リストラクションのための3Dガウス・スプレイティング・フレームワークであるVGGDを提案する。
論文 参考訳（メタデータ） (2026-08-11T09:04:33Z) - World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible [34.47550981952829]
我々は,3次元の点を観測画素と一致させて予測する生成画素整列幾何表現であるWorld Tracingを紹介した。
それぞれの入力ピクセルに対して、World Tracingは、第1層が可視面を表すカメラ空間の3Dポイントの順序付けられたスタックを予測する。
我々は、この表現を、複数の幾何学層を別個の識別トークンとして扱う世界追跡拡散変換器WT-DiTでインスタンス化する。
論文 参考訳（メタデータ） (2026-06-11T17:52:48Z) - IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。
IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。
連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
論文 参考訳（メタデータ） (2026-05-15T17:59:57Z) - Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳（メタデータ） (2026-04-12T10:36:18Z) - GeoNVS: Geometry Grounded Video Diffusion for Novel View Synthesis [73.97869945427645]
GeoNVSは、幾何学的忠実度とカメラ制御性の両方を明示的な3D幾何学的ガイダンスによって強化する新規なビューシンセサイザーである。
GS-Adapterは3次元ガウス表現に入力ビュー拡散特徴を持ち上げ、幾何学的に矛盾しない表現を補正するために拡散特徴を適応的に融合させる。
9シーンと18設定の実験では最先端のパフォーマンスを示し、SEVAやCameraCtrlよりも11.3%、14.9%改善されている。
論文 参考訳（メタデータ） (2026-03-16T08:23:00Z) - Spherical Geometry Diffusion: Generating High-quality 3D Face Geometry via Sphere-anchored Representations [18.442834011472005]
テキストから3Dの顔生成における根本的な課題は、高品質な幾何学を実現することである。
球面座標に幾何学的信号を固定する新しい顔表現である球面幾何表現を導入する。
次に、この2次元マップ上に構築された条件拡散フレームワークである球拡散幾何学を紹介する。
論文 参考訳（メタデータ） (2026-01-19T20:15:45Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。
手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。
生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
論文 参考訳（メタデータ） (2025-06-13T16:19:00Z) - Multimodal Conditional 3D Face Geometry Generation [17.262213841207338]
アートスケッチ,肖像画,キャニーエッジ,FLAME顔モデルパラメータ,2D顔ランドマーク,テキストプロンプトから生成された3D顔のデモを行った。
本手法は,2次元パラメータ化UV領域における3次元形状を生成する拡散過程に基づく。
論文 参考訳（メタデータ） (2024-07-01T08:25:59Z)
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。