論文の概要: Identity-Consistent Expression Fields: A Disentangled Neural Radiance Field Framework for Few-Shot Facial Expression Synthesis

• arxiv url: http://arxiv.org/abs/2607.16287v1
• Date: Sat, 11 Jul 2026 16:05:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.087962
• Title: Identity-Consistent Expression Fields: A Disentangled Neural Radiance Field Framework for Few-Shot Facial Expression Synthesis
• Title（参考訳）: 自己同一性表現場:Few-Shot顔表情合成のための遠方性ニューラルラジアンス場フレームワーク
• Abstract要約: Identity-Consistent Expression Fields (ICEF) は、動的で表現条件のある変形成分から静的なアイデンティティ固有の放射成分を分離するフレームワークである。 ICEFは、パラメータ空間において、観測された数発の入力から遠く離れたターゲット表現に対して、ダウンウェイトが信頼できないワープを行う信頼度重み付き条件付き特徴ワープステップを組み込んでいる。
• 参考スコア（独自算出の注目度）: 3.4658060802121624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural Radiance Fields (NeRF) have enabled photorealistic novel-view synthesis of 3D scenes and, in the facial domain, have been extended to reconstruct and animate 3D face models from a small number of images. However, existing few-shot dynamic NeRF methods for facial expression editing typically warp a single learned feature volume conditioned on target expression parameters, which can cause identity-specific appearance details (skin texture, fine geometric structure) to drift when the model is driven toward expressions far from those seen in the few-shot input set. We propose Identity-Consistent Expression Fields (ICEF), a framework that explicitly disentangles a static, identity-specific radiance component from a dynamic, expression-conditioned deformation component, and introduces an identity preservation regularizer that constrains the deformation network to modify only expression-relevant regions while leaving identity-specific canonical appearance untouched. ICEF further incorporates a confidence-weighted conditional feature warping step that down-weights unreliable warps for target expressions that are far, in parameter space, from the observed few-shot inputs, mitigating artifacts observed in prior few-shot dynamic NeRF methods when extrapolating to novel expressions. We relate ICEF to prior few-shot dynamic NeRF, static 3D-aware face generation, and disentangled face-editing radiance field methods, and describe an evaluation protocol measuring both novel-expression rendering quality and, specifically, identity-consistency metrics across a range of expression-parameter extrapolation distances.
• Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)は、3Dシーンの光リアルなノベルビュー合成を可能にしており、顔領域では、少数の画像から3Dの顔モデルを再構成しアニメーション化するために拡張されている。 しかし、顔表情編集のための既存の数ショットダイナミックNeRF法は、通常、ターゲット表現パラメータに条件付けられた単一の学習された特徴ボリュームをワープするが、これは、モデルが少数ショットの入力セットで見られるものからはるかに離れた表現に向かって駆動されるときに、個人固有の外観の詳細(皮膚テクスチャ、微妙な幾何学的構造)をドリフトさせる可能性がある。 動的に表現条件のある変形成分から静的なアイデンティティ固有の放射成分を明示的に分離するフレームワークである恒常表現場 (ICEF) を提案し, 変形ネットワークを制約し, 表現関連領域のみを修正し, 同一性固有の標準外観をそのまま残しながら, 同一性保持レギュレータを導入する。 ICEFはさらに、新しい表現に外挿する際に、以前の数発のダイナミックNeRF法で観測されたアーティファクトを緩和する、パラメータ空間から遠く離れたターゲット表現に対する信頼性の低い重み付け可能なワープを組み込む、信頼度の高い条件付き特徴ワープステップを組み込んでいる。 ICEFは従来の数発のダイナミックNeRF, 静的3D認識顔生成, および非交叉顔編集フィールド法を関連づけ, 新規な表現レンダリング品質と, 具体的には表現パラメータ外挿距離の範囲にわたるアイデンティティ一貫性の測定値の両方を測定する評価プロトコルについて述べる。

関連論文リスト

• PartNerFace: Part-based Neural Radiance Fields for Animatable Facial Avatar Reconstruction [74.52310899576547]
  単眼のRGBビデオからアニマタブルな顔アバターを再構成するための部分ベース神経放射場であるPartNerFaceを提案する。 提案手法は,未知の表情によく当てはまり,微細な顔の動きをモデル化することができる。
  論文  参考訳（メタデータ） (2026-04-15T14:28:44Z)
• SEREP: Semantic Facial Expression Representation for Robust In-the-Wild Capture and Retargeting [4.083283519300837]
  セマンティックレベルで表現をアイデンティティから切り離すモデルであるSEREPを提案する。 我々は、低品質合成データを用いた新しい半教師付きスキームに基づいて、単眼画像から表現を予測するモデルを訓練する。 実験の結果、SEREPは最先端の手法よりも優れており、挑戦的な表現をキャプチャし、それらを新しいアイデンティティに転送する。
  論文  参考訳（メタデータ） (2024-12-18T22:12:28Z)
• ImFace++: A Sophisticated Nonlinear 3D Morphable Face Model with Implicit Neural Representations [25.016000421755162]
  本稿では,暗黙のニューラル表現を持つ高度で連続的な空間を学習するために,ImFace++という新しい3次元顔モデルを提案する。 ImFace++は、まず2つの明示的に歪んだ変形フィールドを構築し、アイデンティティと式に関連する複雑な形状をモデル化する。 さらにテンプレート空間内の精細化変位場が組み込まれ、個々の顔の詳細をきめ細かな学習が可能となる。
  論文  参考訳（メタデータ） (2023-12-07T03:53:53Z)
• GaFET: Learning Geometry-aware Facial Expression Translation from In-The-Wild Images [55.431697263581626]
  本稿では,パラメトリックな3次元顔表現をベースとした新しい顔表情翻訳フレームワークを提案する。 我々は、最先端の手法と比較して、高品質で正確な表情伝達結果を実現し、様々なポーズや複雑なテクスチャの適用性を実証する。
  論文  参考訳（メタデータ） (2023-08-07T09:03:35Z)
• Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization [91.52882218901627]
  本稿では,3次元形態素な顔モデルを構築するための新しい手法を提案する。 本手法は, 最先端手法と比較して, フォトリアリズム, 幾何, 表現精度を向上する。
  論文  参考訳（メタデータ） (2023-05-04T17:58:40Z)
• One-Shot High-Fidelity Talking-Head Synthesis with Deformable Neural Radiance Field [81.07651217942679]
  トーキングヘッド生成は、ソース画像の識別情報を保持し、駆動画像の動作を模倣する顔を生成することを目的としている。 我々は高忠実かつ自由視点の対話ヘッド合成を実現するHiDe-NeRFを提案する。
  論文  参考訳（メタデータ） (2023-04-11T09:47:35Z)
• FDNeRF: Few-shot Dynamic Neural Radiance Fields for Face Reconstruction and Expression Editing [27.014582934266492]
  本研究では,3次元顔の再構成と表現編集が可能な最初のNeRF方式であるFew-shot Dynamic Neural Radiance Field (FDNeRF)を提案する。 入力として高密度画像を必要とする既存の動的NeRFと異なり、単一のアイデンティティのためにのみモデル化できるため、少ないショット入力を持つ異なる人物間での顔再構成が可能となる。
  論文  参考訳（メタデータ） (2022-08-11T11:05:59Z)
• ImFace: A Nonlinear 3D Morphable Face Model with Implicit Neural Representations [21.389170615787368]
  本稿では,暗黙のニューラル表現を持つ非線形かつ連続的な空間を学習するために,新しい3次元顔モデルImFaceを提案する。 2つの明示的に非交叉な変形場を構築し、それぞれアイデンティティと表現に関連する複雑な形状をモデル化し、表現の埋め込みを拡張するための改良された学習戦略を設計する。 ImFaceに加えて、暗黙の表現における水密入力要求の問題に対処するために、効果的な前処理パイプラインが提案されている。
  論文  参考訳（メタデータ） (2022-03-28T05:37:59Z)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Learning an Animatable Detailed 3D Face Model from In-The-Wild Images [50.09971525995828]
  本研究では, 実物的詳細と実物的画像から3次元顔レグレッサーを共同学習する第1の手法を提案する。 DECAモデルは、低次元の潜時表現からUV変位マップを堅牢に生成するように訓練されています。 本稿では,人固有の細部と表情依存のしわを区別する新しい細部一貫性損失を提案する。
  論文  参考訳（メタデータ） (2020-12-07T19:30:45Z)

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。