論文の概要: PoseAlign: Sculpting Pose-Consistent Meshes via Text-Guided Deformation

• arxiv url: http://arxiv.org/abs/2607.10560v1
• Date: Sun, 12 Jul 2026 04:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.468391
• Title: PoseAlign: Sculpting Pose-Consistent Meshes via Text-Guided Deformation
• Title（参考訳）: PoseAlign: テキストガイドによるPose-Consistent Meshの抽出
• Authors: Shijin Wang, Zichong Chen, Yang Zhou, Hui Huang,
• Abstract要約: メッシュ変形はコンピュータグラフィックスの基盤である。 本稿では,テキスト誘導メッシュ変形をグローバルポーズスケーリングと局所ディテール彫刻の2段階に分解するPoseAlignを提案する。 実験では,テキストアライメントとメッシュ品質において,本手法の競争上の優位性を実証した。
• 参考スコア（独自算出の注目度）: 21.113747529995383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mesh deformation, the process of altering the vertex positions of a 3D mesh while preserving its topological structure, is a cornerstone of computer graphics. Despite the recent emergence of numerous text-guided 3D mesh deformation methods, deforming an initial mesh into one that both adheres to text prompts and preserves its pose remains challenging. This paper proposes PoseAlign, which decomposes text-guided mesh deformation into two stages: global pose scaling and local detail sculpting. Specifically, in the first stage, we introduce the Laplacian as a differentiable mesh representation to enable more efficient yet smoother global deformation. Then, we propose a novel pose-aligned SDS loss by adapting score distillation sampling (SDS) with an attention-sharing mechanism, which sculptures fine-grained geometric details for the deformed mesh while preserving its original pose. PoseAlign significantly enhances the controllability of the overall deformation process, achieving a favorable balance between pose preservation and text alignment. Experiments demonstrate the competitive advantages of our method in text alignment and mesh quality. Code is available at: https://cousingrade6.github.io/PoseAlign
• Abstract（参考訳）: 3次元メッシュの頂点位置を変更する過程であるメッシュ変形は、そのトポロジ的構造を保ちながら、コンピュータグラフィックスの基盤となる。 最近のテキスト誘導型3Dメッシュ変形手法の出現にもかかわらず、初期メッシュをテキストプロンプトに固執し、そのポーズを保ったものに変形させることは依然として困難である。 本稿では,テキスト誘導メッシュ変形をグローバルポーズスケーリングと局所ディテール彫刻の2段階に分解するPoseAlignを提案する。 特に第1段階では,より効率的かつスムーズな大域変形を実現するために,ラプラシアンを微分可能なメッシュ表現として導入する。 そこで,本研究では,従来のポーズを保ちながら,変形メッシュの微細な幾何学的詳細を彫刻するアテンション共有機構を用いて,スコア蒸留サンプリング(SDS)を適応させることにより,ポーズアライメント型SDSロスを新たに提案する。 PoseAlignは、全体的な変形過程の制御性を著しく向上し、ポーズ保存とテキストアライメントの良好なバランスを実現する。 実験では,テキストアライメントとメッシュ品質において,本手法の競争上の優位性を実証した。 コードは以下の通り。 https://cousingrade6.github.io/PoseAlign

関連論文リスト

• Make-It-Poseable: Feed-forward Latent Posing Model for 3D Humanoid Character Animation [74.6792422278706]
  本稿では,遅延空間変換問題として文字ポーズを再構成する新しいフィードフォワードフレームワークであるMake-It-Poseableを紹介する。 提案手法は,その潜在表現を直接操作することで,新しいポーズのキャラクタを再構成する。 また、部品交換や改良などの3D編集アプリケーションにも自然に拡張される。
  論文  参考訳（メタデータ） (2025-12-18T17:01:44Z)
• MeshPad: Interactive Sketch-Conditioned Artist-Reminiscent Mesh Generation and Editing [64.84885028248395]
  MeshPadは、スケッチ入力から3Dメッシュを生成するジェネレーティブなアプローチである。 我々は、メッシュの領域の"削除"に編集を分解し、新しいメッシュ幾何学の"追加"に続き、一貫した編集を可能にすることに重点を置いている。 提案手法は,メッシュ三角形の追加と削除のために,大規模なTransformerモデルを利用した三角形列に基づくメッシュ表現に基づいている。
  論文  参考訳（メタデータ） (2025-03-03T11:27:44Z)
• HeadEvolver: Text to Head Avatars via Expressive and Attribute-Preserving Mesh Deformation [17.590555698266346]
  本稿では,テキストガイダンスからスタイリングされた頭部アバターを生成するための新しいフレームワークを提案する。 本手法は,面毎のヤコビアンによるメッシュ変形を表現し,学習可能なベクトル場を用いて局所変形を適応的に変調する。 我々のフレームワークは,テンプレートメッシュから保存した属性をシームレスに編集しながら,テキストでさらに編集できる現実的な形状やテクスチャを生成することができる。
  論文  参考訳（メタデータ） (2024-03-14T12:15:23Z)
• Text-Guided 3D Face Synthesis -- From Generation to Editing [53.86765812392627]
  顔生成から編集までの統一的なテキスト誘導フレームワークを提案する。 我々は、RGBおよびYUV空間のテクスチャ品質を高めるために、微調整されたテクスチャ拡散モデルを用いている。 整合性を維持しつつ編集効率を向上させるための自己誘導整合性ウェイト戦略を提案する。
  論文  参考訳（メタデータ） (2023-12-01T06:36:23Z)
• DragD3D: Realistic Mesh Editing with Rigidity Control Driven by 2D Diffusion Priors [10.355568895429588]
  ダイレクトメッシュの編集と変形は、幾何学的モデリングとアニメーションパイプラインの重要なコンポーネントである。 正規化器は、オブジェクトのグローバルなコンテキストとセマンティクスを意識していない。 我々の変形を制御して,グローバルな文脈を意識した現実的な形状の変形を生成できることが示される。
  論文  参考訳（メタデータ） (2023-10-06T19:55:40Z)
• 3Deformer: A Common Framework for Image-Guided Mesh Deformation [27.732389685912214]
  ソース3Dメッシュにセマンティック素材とユーザが指定したセマンティックイメージが与えられた場合、3Deformerはソースメッシュを正確に編集することができる。 私たちの3Deformerは素晴らしい結果をもたらし、最先端のレベルに達することができます。
  論文  参考訳（メタデータ） (2023-07-19T10:44:44Z)
• TextDeformer: Geometry Manipulation using Text Guidance [37.02412892926677]
  本稿では,テキストプロンプトのみで案内される入力三角形メッシュの変形を生成する手法を提案する。 私たちのフレームワークは、CLIPやDINOといった強力なトレーニング済み画像エンコーダとジオメトリを接続するために、微分可能なレンダリングに依存しています。 この制限を克服するために、我々はジャコビアンを通してメッシュの変形を表現し、グローバルでスムーズな方法で変形を更新する。
  論文  参考訳（メタデータ） (2023-04-26T07:38:41Z)
• Pop-Out Motion: 3D-Aware Image Deformation via Learning the Shape Laplacian [58.704089101826774]
  形状分類と変形型に最小限の制約を課した3次元画像変形法を提案する。 点雲として表される3次元再構成の基底体積のラプラシアン形状を予測するために,教師付き学習に基づくアプローチを採用する。 実験では,2次元キャラクタと人間の衣料画像の変形実験を行った。
  論文  参考訳（メタデータ） (2022-03-29T04:57:18Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)

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。