論文の概要: Discovering Geometric Biases in 3D Face Reconstruction: A Curvature-Aware Spectral Framework for Fairness Evaluation
- arxiv url: http://arxiv.org/abs/2607.07486v1
- Date: Wed, 08 Jul 2026 14:48:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.425855
- Title: Discovering Geometric Biases in 3D Face Reconstruction: A Curvature-Aware Spectral Framework for Fairness Evaluation
- Title（参考訳）: 3次元顔再構成における幾何学的バイアスの発見 : 公正度評価のための曲線型スペクトルフレームワーク
- Abstract要約: 3D Morphable Models (3DMM) は、多くの最先端の3D顔再構成アルゴリズムの標準パラメトリック形状である。
表面曲率のレンズを用いて3次元MM再構成を解析するための新しい枠組みを提案する。
- 参考スコア（独自算出の注目度）: 2.971699955608644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Morphable Models (3DMMs) remain the standard parametric shape priors for many state-of-the-art 3D face reconstruction algorithms. However, as these models are derived from a finite number of 3D face samples, they inherit the morphological biases of their training data, potentially limiting their generalizability across diverse global populations. In this paper, we propose a novel framework to analyze 3DMM reconstructions through the lens of surface curvature, with the objective to discover, quantify and visualize biases. While standard evaluation metrics often rely on Euclidean distances, our reconstruction error captures subtle surface nuances such as local topology or undulations. To do so, we leverage the Laplace-Beltrami Operator (LBO) to generate high-resolution curvature error maps, providing a localized and geometrically meaningful visualization of discrepancies between ground truth faces and reconstructed meshes. We derive from it an error metric that we validated through a user study, observing a significantly higher correlation to human perception compared to traditional methods. Furthermore, we conduct extensive experiments across several 3DMM bases and fitting algorithms, uncovering systematic age-related biases and providing preliminary evidence of biases associated with gender and ethnicity. Our findings highlight the necessity of adopting curvature-aware evaluation protocols to ensure demographic fairness and geometric precision in future 3D face reconstruction research.
- Abstract（参考訳）: 3D Morphable Models (3DMM) は、多くの最先端の3D顔再構成アルゴリズムの標準パラメトリック形状である。
しかしながら、これらのモデルは有限個の3次元顔サンプルから派生しているため、トレーニングデータの形態的バイアスを継承し、多種多様なグローバルな集団における一般化性を制限する可能性がある。
本稿では,表面曲率のレンズを用いて3次元MM再構成を解析し,バイアスを発見し,定量化し,可視化する新しい枠組みを提案する。
標準的な評価基準はユークリッド距離に依存していることが多いが、再構成誤差は局所的な位相や起伏のような微妙な表面のニュアンスを捉えている。
そこで我々は,Laplace-Beltrami Operator (LBO) を用いて高分解能な曲率誤差マップを生成する。
従来の手法に比べて,人間の知覚との相関が著しく高いことを観察し,ユーザスタディを通じて検証した誤差測定値から導いた。
さらに,複数の3DMMベースおよび適合アルゴリズムにまたがって広範な実験を行い,組織的な年齢関連バイアスを明らかにし,性別や民族性に関連するバイアスの予備的証拠を提供する。
本研究は,今後の3次元顔再構成研究において,人口動態の公平性と幾何学的精度を確保するために,曲率評価プロトコルを採用する必要性を強調した。
関連論文リスト
- FlowObject: Flow Steering for Bridging Generative Priors and Reconstruction Fidelity [34.142288038459704]
FlowObjectは、スパースビューの3D再構成をトレーニング不要でガイド付き逆問題として再構成するフレームワークである。
提案手法は、幾何学的完全性およびビュー依存外観忠実度の両方において、最先端の生成モデルと最適化に基づくフレームワークを著しく上回る。
論文 参考訳（メタデータ） (2026-06-17T12:42:09Z) - G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。
生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。
本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
論文 参考訳（メタデータ） (2025-10-14T03:06:28Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - A 3DGS-Diffusion Self-Supervised Framework for Normal Estimation from a Single Image [5.588610465556571]
空間次元情報の欠如は、単一画像からの正規推定において依然として課題である。
近年の拡散法は2次元から3次元の暗黙マッピングにおいて有意なポテンシャルを示した。
本稿では,SINGADを提案する。SINGADは,単一画像から正規推定のための新しい自己教師型フレームワークである。
論文 参考訳（メタデータ） (2025-08-08T02:32:33Z) - Sparse-View 3D Reconstruction: Recent Advances and Open Challenges [0.8583178253811411]
濃密な画像取得が不可能なアプリケーションには,スパースビュー3D再構成が不可欠である。
この調査は、ニューラル暗黙のモデルと明示的なポイントクラウドベースのアプローチの最新の進歩をレビューする。
我々は, 幾何正規化, 明示的な形状モデリング, 生成的推論がアーティファクトの緩和にどのように利用されているかを分析する。
論文 参考訳（メタデータ） (2025-07-22T09:57:28Z) - Object Gaussian for Monocular 6D Pose Estimation from Sparse Views [4.290993205307184]
ガウス的手法を用いたスパースビューオブジェクトポーズ推定のための新しいフレームワークであるSGPoseを紹介する。
最大10ビューを与えられたSGPoseは、ランダムな立方体から始めることで幾何学的認識表現を生成する。
典型的なベンチマーク、特にOcclusion LM-Oデータセットの実験では、SGPoseはスパースビューの制約下であっても既存のメソッドよりも優れていることを示した。
論文 参考訳（メタデータ） (2024-09-04T10:03:11Z) - ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳（メタデータ） (2024-08-22T17:59:01Z) - GeoWizard: Unleashing the Diffusion Priors for 3D Geometry Estimation from a Single Image [94.56927147492738]
単一画像から幾何学的属性を推定するための新しい生成基盤モデルであるGeoWizardを紹介する。
拡散前処理の活用は,資源利用における一般化,詳細な保存,効率性を著しく向上させることが示唆された。
本稿では,様々なシーンの複雑なデータ分布を,個別のサブディストリビューションに分離する,シンプルかつ効果的な戦略を提案する。
論文 参考訳（メタデータ） (2024-03-18T17:50:41Z) - MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface
Reconstruction [72.05649682685197]
最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。
これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。
近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
論文 参考訳（メタデータ） (2022-06-01T17:58:15Z) - Ellipse Regression with Predicted Uncertainties for Accurate Multi-View
3D Object Estimation [26.930403135038475]
三次元モデルを楕円体として表現できる物体を考察する。
本稿では,各オブジェクトをセグメント化して楕円形オブジェクトのパラメータを推定し,投影楕円のパラメータを正確に回帰するMask R-CNNの変種について述べる。
論文 参考訳（メタデータ） (2020-12-27T19:52:58Z) - 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial
Learning [54.24887282693925]
本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。
既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。
実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
論文 参考訳（メタデータ） (2020-09-30T17:12:35Z)
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。