論文の概要: FlexiAvatar: Unified 3D Gaussian Human Avatars Under Arbitrary Body Visibility
- arxiv url: http://arxiv.org/abs/2607.19100v1
- Date: Tue, 21 Jul 2026 13:43:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.436364
- Title: FlexiAvatar: Unified 3D Gaussian Human Avatars Under Arbitrary Body Visibility
- Title（参考訳）: FlexiAvatar: 任意体視力下での3Dガウスアバターの統一化
- Abstract要約: FlexiAvatarは目に見える身体領域のみを明示的に最適化する統合フレームワークです。
本手法は,オクルージョン・ロバストなSMPL-Xトラッキングと部分特異的残差補正を統合し,高頻度の幾何学的および外観的詳細を捉える。
フルボディ(NeuMan)、アッパー/ハーフボディ(トークショークリップ)、ヘッドオンリー(INSTA)入力の実験は、FlexiAvatarが一貫して高いリコンストラクション品質を提供することを示している。
- 参考スコア（独自算出の注目度）: 14.672501057469878
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reconstructing animatable 3D human avatars from monocular video is a fundamental problem in computer vision with broad applications in AR/VR and digital content creation. Existing approaches typically couple parametric body models with neural rendering or 3D Gaussian splatting and optimize all body regions jointly from short videos, which often degrades fidelity in the visible areas. To overcome this limitation, we introduce FlexiAvatar, a unified framework that explicitly optimizes only the visible body regions, effectively eliminating artifacts arising from unobserved limbs. Our method integrates occlusion-robust SMPL-X tracking with part-specific residual refinement to capture high-frequency geometric and appearance details. To complete entirely unseen regions (e.g., back views), we leverage a diffusion-based approach to generate texture consistent with the observed appearance. Experiments on full-body (NeuMan, ZJU-MoCap, WildAvatar), upper/half-body (talk-show clips), and head-only (INSTA) inputs show that FlexiAvatar delivers consistently higher reconstruction quality, outperforming state-of-the-art methods by an average PSNR improvement of approximately 3% across datasets. Finally, by restricting optimization to observed regions, our method reduces the effective number of Gaussians that must be optimized and rendered, leading to reduced runtime and memory overhead in partial-visibility scenarios.
- Abstract（参考訳）: モノクロビデオからアニマタブルな3Dアバターを再構築することは、AR/VRやデジタルコンテンツ制作における幅広い応用でコンピュータビジョンの基本的な問題である。
既存のアプローチでは、通常、ニューラルレンダリングや3Dガウススプラッティングでパラメトリックボディモデルを結合し、短いビデオから全てのボディ領域を共同で最適化する。
この制限を克服するために、FlexiAvatarは目に見える身体領域のみを明示的に最適化し、観測されていない手足から生じるアーティファクトを効果的に除去する統合フレームワークである。
本手法は,オクルージョン・ロバストなSMPL-Xトラッキングと部分特異的残差補正を統合し,高頻度の幾何学的および外観的詳細を捉える。
全く見えない領域(例えば、バックビュー)を完遂するために、拡散に基づくアプローチを活用し、観察された外観と整合したテクスチャを生成する。
フルボディ(NeuMan、ZJU-MoCap、WildAvatar)、上半身(トークショークリップ)、ヘッドオンリー(INSTA)入力の実験は、FlexiAvatarが一貫して高い再構築品質を提供し、データセット全体のPSNR平均3%の改善によって最先端の手法よりも優れていることを示している。
最後に、観測された領域に最適化を限定することにより、最適化とレンダリングが必要なガウスの有効個数を削減し、部分可視シナリオにおける実行時間とメモリオーバーヘッドを低減させる。
関連論文リスト
- Intrinsic Geometry-Appearance Consistency Optimization for Sparse-View Gaussian Splatting [36.3168821104293]
一つの画像から3Dの人間の再構築は難しい問題だ。
EmphMVD-HuGaSは,複数視点の人体拡散モデルを用いて,単一の画像から自由視点の3Dレンダリングを可能にする。
論文 参考訳（メタデータ） (2026-03-03T11:44:46Z) - FMGS-Avatar: Mesh-Guided 2D Gaussian Splatting with Foundation Model Priors for 3D Monocular Avatar Reconstruction [18.570290675633732]
2Dプリミティブをテンプレートメッシュ面に直接アタッチして位置、回転、動きを制限したメッシュガイド2Dガウススプラッティングを導入する。
Sapiensのような大規模データセットでトレーニングされた基礎モデルを活用して、モノクロビデオからの限られた視覚的手がかりを補完します。
実験により, 従来の手法に比べて再現性は優れており, 幾何的精度と外観忠実度は顕著に向上した。
論文 参考訳（メタデータ） (2025-09-18T08:41:41Z) - Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。
Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2025-05-27T05:17:49Z) - TeGA: Texture Space Gaussian Avatars for High-Resolution Dynamic Head Modeling [52.87836237427514]
フォトリアルアバターは、テレプレゼンス、拡張現実、エンターテイメントにおける新興アプリケーションにおいて重要な要素であると見なされている。
本稿では,最先端の3Dヘッドアバターモデルを提案する。
論文 参考訳（メタデータ） (2025-05-08T22:10:27Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - EVA-Gaussian: 3D Gaussian-based Real-time Human Novel View Synthesis under Diverse Multi-view Camera Settings [11.248908608011941]
3次元ガウス散乱法は、人間のモデルに対するリアルタイムな新しいビュー合成において、例外的な能力を示した。
本研究では,多様なマルチビューカメラ設定にまたがる3次元新規ビュー合成のためのEVA-Gaussianという新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-10-02T11:23:08Z) - Gaussian Head & Shoulders: High Fidelity Neural Upper Body Avatars with Anchor Gaussian Guided Texture Warping [12.308192525760667]
既存のメソッドは、ボディなしでヘッドを再構築するだけで、アプリケーションのシナリオが大幅に制限される。
本稿では,粗い色とポーズ依存の微細な色からなる神経テクスチャを用いて,身体の部位をモデル化することを提案する。
ガウシアンヘッド&ショルダーは, 衣服上半身の高周波細部を高い忠実度で適合させ, 頭部領域の精度と忠実度を向上できる可能性が示唆された。
論文 参考訳（メタデータ） (2024-05-20T14:39:49Z) - OccGaussian: 3D Gaussian Splatting for Occluded Human Rendering [55.50438181721271]
表面レンダリングにNeRFを用いた従来手法では,閉鎖領域の復元には1日以上,閉塞領域のレンダリングには数秒を要していた。
OccGaussianは3D Gaussian Splattingをベースとして6分以内でトレーニングが可能で,最大160FPSまでの高品質な人体レンダリングを実現する。
論文 参考訳（メタデータ） (2024-04-12T13:00:06Z) - Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。
局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。
提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
論文 参考訳（メタデータ） (2023-11-30T17:58:57Z)
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。