論文の概要: How to Build Digital Humans? From Priors to Photorealistic Avatars
- arxiv url: http://arxiv.org/abs/2607.04341v1
- Date: Sun, 05 Jul 2026 14:51:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.904871
- Title: How to Build Digital Humans? From Priors to Photorealistic Avatars
- Title（参考訳）: デジタル人間を作るには? フォトリアリスティックなアバターまで
- Abstract要約: この最先端のレポートは、制御可能な3Dアバターの作成の概要を提供する。
現在の3Dアバターシステムについて述べる。これは典型的には、(i)人間の外見と動きの事前学習、(ii)パーソナライズされたアバターの作成、(iii)アバターのアニメーションである。
- 参考スコア（独自算出の注目度）: 71.92909106448253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This state-of-the-art report provides an overview of controllable 3D human avatar creation. We describe current 3D avatar systems, which typically consist of three stages: (i) learning priors of human appearance and motion, (ii) creating a personalized avatar, and (iii) animating the avatar. To limit the scope, we focus on the prior learning and avatar creation stages. We define current avatar representations and introduce a taxonomy that categorizes existing work along multiple axes, including body regions and employed priors. We review methods for full-body and head avatars, as well as layered representations that decompose the body into components such as hands, hair, and garments. Finally, we outline common underlying principles, reference key literature for newcomers, and discuss open challenges and future research directions.
- Abstract（参考訳）: この最先端のレポートは、制御可能な3Dアバターの作成の概要を提供する。
典型的には3段階からなる3次元アバターシステムについて述べる。
一 人間の外見及び動きの先行を習うこと。
(二)パーソナライズされたアバターを作成して
(三)アバターをアニメーションすること。
スコープを制限するため、我々は事前学習とアバター作成段階に焦点を当てる。
我々は、現在のアバター表現を定義し、身体領域や雇用先を含む複数の軸に沿って既存の仕事を分類する分類を導入した。
全身アバターと頭部アバターの方法と,手,髪,衣服などの構成要素に分解する層状表現について検討した。
最後に, 共通原理, 新規参入者への参考文献, オープン課題, 今後の研究方向性について概説する。
関連論文リスト
- Toward Inclusive Avatar Design with Limb Differences Through Artificial Intelligence [42.278434352794676]
大部分の3Dアバターシステムは、規範的な身体しかサポートせず、手足の違い、切断、その他の形態的変化を正確に描写していない。
本稿では,本グループにおける包括的3次元アバターカスタマイズの技術的アプローチと,敬意と正確な表現を促進するための現在のガイドラインについて述べる。
論文 参考訳（メタデータ） (2026-07-13T13:00:45Z) - AdaHuman: Animatable Detailed 3D Human Generation with Compositional Multiview Diffusion [56.12859795754579]
AdaHumanは、単一のアプリ内画像から高忠実でアニマタブルな3Dアバターを生成する新しいフレームワークである。
AdaHumanはポーズ条件付き3D共同拡散モデルと合成3DGS精製モジュールという2つの重要なイノベーションを取り入れている。
論文 参考訳（メタデータ） (2025-05-30T17:59:54Z) - WildAvatar: Learning In-the-wild 3D Avatars from the Web [55.85887047136534]
ウェブから人間をキュレートするためのフィルタプロトコルを用いた注釈パイプラインを提案する。
そして、YouTubeから抽出されたウェブスケールの人間のアバター生成データセットであるWildAvatarをキュレートする。
WildAvatarは、人間の3Dアバター作成のための以前のデータセットより少なくとも10倍高額で、現実世界に近い。
論文 参考訳（メタデータ） (2024-07-02T11:17:48Z) - AniArtAvatar: Animatable 3D Art Avatar from a Single Image [0.0]
単一画像からアニマタブルな3D認識アートアバターを生成するための新しいアプローチを提案する。
我々は、ビュー条件付き2次元拡散モデルを用いて、中性表現で1枚の絵画像から多視点画像を合成する。
アバターアニメーションでは、制御点を抽出し、これらの点で動きを転送し、暗黙の正準空間を変形する。
論文 参考訳（メタデータ） (2024-03-26T12:08:04Z) - One2Avatar: Generative Implicit Head Avatar For Few-shot User Adaptation [31.310769289315648]
本稿では,1ユーザあたり1枚または数枚の画像のみを利用した高品質なヘッドアバターを作成するための新しいアプローチを提案する。
我々は2407名の被験者から多視点の表情データセットから3次元アニマタブルなフォトリアリスティックヘッドアバターの生成モデルを学習した。
提案手法は,従来のアバター適応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） (2024-02-19T07:48:29Z) - AvatarStudio: High-fidelity and Animatable 3D Avatar Creation from Text [71.09533176800707]
アバターストゥディオ(AvatarStudio)は、アニマタブルな人間のアバターのために、明瞭なテクスチャ化された3Dメッシュを生成する粗大で微細な生成モデルである。
調音メッシュ表現とDensePose条件拡散モデルとの相乗効果を効果的に活用することにより、AvatarStudioは高品質なアバターを作成することができる。
論文 参考訳（メタデータ） (2023-11-29T18:59:32Z) - Text-Guided Generation and Editing of Compositional 3D Avatars [59.584042376006316]
私たちのゴールは、テキスト記述だけで髪とアクセサリーを備えたリアルな3D顔アバターを作ることです。
既存の方法はリアリズムを欠いているか、非現実的な形状を作り出すか、編集をサポートしていないかのいずれかである。
論文 参考訳（メタデータ） (2023-09-13T17:59:56Z) - AvatarBooth: High-Quality and Customizable 3D Human Avatar Generation [14.062402203105712]
AvatarBoothはテキストプロンプトや特定の画像を使って高品質な3Dアバターを生成する新しい方法である。
我々の重要な貢献は、二重微調整拡散モデルを用いた正確なアバター生成制御である。
本稿では,3次元アバター生成の粗大な監視を容易にするマルチレゾリューションレンダリング戦略を提案する。
論文 参考訳（メタデータ） (2023-06-16T14:18:51Z) - DreamWaltz: Make a Scene with Complex 3D Animatable Avatars [68.49935994384047]
本稿では,テキストガイダンスとパラメトリック人体を用いた複雑な3Dアバターの生成とアニメーションを行う新しいフレームワークであるDreamWaltzを紹介する。
アニメーションでは,様々なポーズに条件付き拡散モデルの豊富な画像から,アニマタブルな3次元アバター表現を学習する。
論文 参考訳（メタデータ） (2023-05-21T17:59:39Z) - AgileAvatar: Stylized 3D Avatar Creation via Cascaded Domain Bridging [12.535634029277212]
高品質な3Dアバターを作成するための,新しい自己教師型学習フレームワークを提案する。
その結果,従来の作業よりもはるかに高い選好スコアが得られ,手作業による作成に近い結果が得られた。
論文 参考訳（メタデータ） (2022-11-15T00:43:45Z) - AvatarGen: a 3D Generative Model for Animatable Human Avatars [108.11137221845352]
アバタージェネレーション(AvatarGen)は、多様な外観を持つ非剛体世代だけでなく、ポーズや視点の完全な制御を可能にする最初の方法である。
非剛性力学をモデル化するために、正準空間におけるポーズ依存的な変形を学習するための変形ネットワークを導入する。
提案手法は,高品質な外観と幾何モデルを備えたアニマタブルな人体アバターを生成でき,従来の3D GANよりも大幅に優れていた。
論文 参考訳（メタデータ） (2022-08-01T01:27:02Z) - AvatarCLIP: Zero-Shot Text-Driven Generation and Animation of 3D Avatars [37.43588165101838]
AvatarCLIPは、3Dアバター生成とアニメーションのためのゼロショットテキスト駆動フレームワークである。
我々は、強力な視覚言語モデルCLIPを利用して、ニューラル・ヒューマン・ジェネレーションを監督する。
動作VAEで得られた先行情報を活用することで,CLIP誘導参照ベースモーション合成法が生成した3Dアバターのアニメーションに対して提案される。
論文 参考訳（メタデータ） (2022-05-17T17:59:19Z)
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。